游戏服务器生成全局唯一ID的几种方法

在服务器系统开发时，为了适应数据大并发的请求，我们往往需要对数据进行异步存储，特别是在做分布式系统时，这个时候就不能等待插入数据库返回了取自动id了，而是需要在插入数据库之前生成一个全局的唯一id，使用全局的唯一id，在游戏服务器中，全局唯一的id可以用于将来合服方便，不会出现键冲突。也可以将来在业务增长的情况下，实现分库分表，比如某一个用户的物品要放在同一个分片内，而这个分片段可能是根据用户id的范围值来确定的，比如用户id大于1000小于100000的用户在一个分片内。目前常用的有以下几种：

1，Java 自带的UUID.

UUID.randomUUID().toString()，可以通过服务程序本地产生，ID的生成不依赖数据库的实现。

优势：

本地生成ID，不需要进行远程调用。

全局唯一不重复。

水平扩展能力非常好。

劣势：

ID有128 bits,占用的空间较大，需要存成字符串类型，索引效率极低。

生成的ID中没有带Timestamp，无法保证趋势递增，数据库分库分表时不好依赖

2，基于Redis的incr方法

Redis本身是单线程操作的，而incr更保证了一种原子递增的操作。而且支持设置递增步长。

优势：

部署方便，使用简单，只需要调用一个redis的api即可。

可以多个服务器共享一个redis服务，减少共享数据的开发时间。

Redis可以群集部署，解决单点故障的问题。

劣势：

如果系统太庞大的话，n多个服务同时向redis请求，会造成性能瓶颈。

3，来自Flicker的解决方案

这个解决方法是基于数据库自增id的，它使用一个单独的数据库专门用于生成id。详细的大家可以网上找找，个人觉得使用挺麻烦的，不建议使用。

4，Twitter Snowflake

snowflake是twitter开源的分布式ID生成算法，其核心思想是：产生一个long型的ID，使用其中41bit作为毫秒数，10bit作为机器编号，12bit作为毫秒内序列号。这个算法单机每秒内理论上最多可以生成1000*(2^12)个，也就是大约400W的ID，完全能满足业务的需求。

根据snowflake算法的思想，我们可以根据自己的业务场景，产生自己的全局唯一ID。因为Java中long类型的长度是64bits，所以我们设计的ID需要控制在64bits。

优点：高性能，低延迟；独立的应用；按时间有序。

缺点：需要独立的开发和部署。

比如我们设计的ID包含以下信息：

| 41 bits: Timestamp | 3 bits: 区域 | 10 bits: 机器编号 | 10 bits: 序列号 |

产生唯一ID的Java代码：

/**

* 自定义 ID 生成器

* ID 生成规则: ID长达 64 bits

*

* | 41 bits: Timestamp (毫秒) | 3 bits: 区域（机房） | 10 bits: 机器编号 | 10 bits: 序列号 |

*/

public class GameUUID{

// 基准时间

private long twepoch = 1288834974657L; //Thu, 04 Nov 2010 01:42:54 GMT

// 区域标志位数

private final static long regionIdBits = 3L;

// 机器标识位数

private final static long workerIdBits = 10L;

// 序列号识位数

private final static long sequenceBits = 10L;

// 区域标志ID最大值

private final static long maxRegionId = -1L ^ (-1L << regionIdBits);

// 机器ID最大值

private final static long maxWorkerId = -1L ^ (-1L << workerIdBits);

// 序列号ID最大值

private final static long sequenceMask = -1L ^ (-1L << sequenceBits);

// 机器ID偏左移10位

private final static long workerIdShift = sequenceBits;

// 业务ID偏左移20位

private final static long regionIdShift = sequenceBits + workerIdBits;

// 时间毫秒左移23位

private final static long timestampLeftShift = sequenceBits + workerIdBits + regionIdBits;

private static long lastTimestamp = -1L;

private long sequence = 0L;

private final long workerId;

private final long regionId;

public GameUUID(long workerId, long regionId) {

// 如果超出范围就抛出异常

if (workerId > maxWorkerId || workerId < 0) {

throw new IllegalArgumentException("worker Id can't be greater than %d or less than 0");

}

if (regionId > maxRegionId || regionId < 0) {

throw new IllegalArgumentException("datacenter Id can't be greater than %d or less than 0");

}

this.workerId = workerId;

this.regionId = regionId;

}

public GameUUID(long workerId) {

// 如果超出范围就抛出异常

if (workerId > maxWorkerId || workerId < 0) {

throw new IllegalArgumentException("worker Id can't be greater than %d or less than 0");

}

this.workerId = workerId;

this.regionId = 0;

}

public long generate() {

return this.nextId(false, 0);

}

/**

* 实际产生代码的

*

* @param isPadding

* @param busId

* @return

*/

private synchronized long nextId(boolean isPadding, long busId) {

long timestamp = timeGen();

long paddingnum = regionId;

if (isPadding) {

paddingnum = busId;

}

if (timestamp < lastTimestamp) {

try {

throw new Exception("Clock moved backwards.  Refusing to generate id for " + (lastTimestamp - timestamp) + " milliseconds");

} catch (Exception e) {

e.printStackTrace();

}

}

//如果上次生成时间和当前时间相同,在同一毫秒内

if (lastTimestamp == timestamp) {

//sequence自增，因为sequence只有10bit，所以和sequenceMask相与一下，去掉高位

sequence = (sequence + 1) & sequenceMask;

//判断是否溢出,也就是每毫秒内超过1024，当为1024时，与sequenceMask相与，sequence就等于0

if (sequence == 0) {

//自旋等待到下一毫秒

timestamp = tailNextMillis(lastTimestamp);

}

} else {

// 如果和上次生成时间不同,重置sequence，就是下一毫秒开始，sequence计数重新从0开始累加,

// 为了保证尾数随机性更大一些,最后一位设置一个随机数

sequence = new SecureRandom().nextInt(10);

}

lastTimestamp = timestamp;

return ((timestamp - twepoch) << timestampLeftShift) | (paddingnum << regionIdShift) | (workerId << workerIdShift) | sequence;

}

// 防止产生的时间比之前的时间还要小（由于NTP回拨等问题）,保持增量的趋势.

private long tailNextMillis(final long lastTimestamp) {

long timestamp = this.timeGen();

while (timestamp <= lastTimestamp) {

timestamp = this.timeGen();

}

return timestamp;

}

// 获取当前的时间戳

protected long timeGen() {

return System.currentTimeMillis();

}

}

使用自定义的这种方法需要注意的几点：

为了保持增长的趋势，要避免有些服务器的时间早，有些服务器的时间晚，需要控制好所有服务器的时间，而且要避免NTP时间服务器回拨服务器的时间;在跨毫秒时，序列号总是归0，会使得序列号为0的ID比较多，导致生成的ID取模后不均匀，所以序列号不是每次都归0，而是归一个0到9的随机数。(本代码参考:http://www.jianshu.com/p/61817cf48cc3)

上面说的这几种方式我们可以根据自己的需要去选择。在游戏服务器开发中，根据自己的游戏类型选择，比如手机游戏，可以使用简单的redis方式，简单不容易出错，由于这种游戏单服并发新建id量并不太大，完全可以满足需要。而对于大型的世界游戏服务器，它本身就是以分布式为主的，所以可以使用snowflake的方式，上面的snowflake代码只是一个例子，需要自己根据自己的需求去定制，所以有额外的开发量，而且要注意上述所说的注意事项。转载请注明来自游戏技术网，本文地址：http://www.youxijishu.com/h-nd-147-2_323.html