当前位置：首页 > news >正文

id生成系统和mp条件简化

news 来源：原创 2025/5/15 9:16:28

场景引入:

有哪些生成id的方式？

1.UUID

2.雪花算法方案

3.数据库生成

4.美团Leaf方案

Leaf-segment数据库方案

使用场景：

美团leaf的docker镜像安装

在leaf.properties中配置数据库的信息

创建sl_leaf数据库脚本：

测试：

业务封装

使用

mp-条件简化

场景引入:

我们在业务里需要经常的创建id号，什么是id号？

id号就是在复杂分布式系统中，往往需要对大量的数据和消息进行唯一标识。

如在美团点评的金融、支付、餐饮、酒店、猫眼电影等产品的系统中，数据日渐增长，对数据分库分表后需要有一个唯一ID来标识一条数据或消息，数据库的自增ID显然不能满足需求；特别一点的如订单、骑手、优惠券也都需要有唯一ID做标识。此时一个能够生成全局唯一ID的系统是非常必要的。概括下来，那业务系统对ID号的要求有哪些呢？

全局唯一性：不能出现重复的ID号，既然是唯一标识，这是最基本的要求。
趋势递增：在MySQL InnoDB引擎中使用的是聚集索引，由于多数RDBMS使用B-tree的数据结构来存储索引数据，在主键的选择上面我们应该尽量使用有序的主键保证写入性能。
单调递增：保证下一个ID一定大于上一个ID，例如事务版本号、IM增量消息、排序等特殊需求。
信息安全：如果ID是连续的，恶意用户的扒取工作就非常容易做了，直接按照顺序下载指定URL即可；如果是订单号就更危险了，竞对可以直接知道我们一天的单量。所以在一些应用场景下，会需要ID无规则、不规则。

上述123对应三类不同的场景，3和4需求还是互斥的，无法使用同一个方案满足。

由此总结下一个ID生成系统应该做到如下几点：

平均延迟和TP999延迟都要尽可能低；(获取id号的时间需要99.9%<2ms)
可用性5个9；(获取id号的请求需要99.999%发送成功)
高QPS。(一秒内要可以处理多个请求)

有哪些生成id的方式？

1.UUID

UUID(Universally Unique Identifier)的标准型式包含32个16进制数字，以连字号分为五段，形式为8-4-4-4-12的36个字符，示例：550e8400-e29b-41d4-a716-446655440000，到目前为止业界一共有5种方式生成UUID。

优点：

性能非常高：本地生成，没有网络消耗。

缺点：

不易于存储：UUID太长，16字节128位，通常以36长度的字符串表示，很多场景不适用。
信息不安全：基于MAC地址生成UUID的算法可能会造成MAC地址泄露，这个漏洞曾被用于寻找梅丽莎病毒的制作者位置。
ID作为主键时在特定的环境会存在一些问题，比如做DB主键的场景下，UUID就非常不适用：
① MySQL官方有明确的建议主键要尽量越短越好[4]，36个字符长度的UUID不符合要求。
② 对MySQL索引不利：如果作为数据库主键，在InnoDB引擎下，UUID的无序性可能会引起数据位置频繁变动，严重影响性能。

2.雪花算法方案

这种方案大致来说是一种以划分命名空间（UUID也算，由于比较常见，所以单独分析）来生成ID的一种算法，这种方案把64-bit分别划分成多段，分开来标示机器、时间等，比如在snowflake中的64-bit分别表示如下图所示：

41-bit的时间可以表示（1L<<41）/(1000L*3600*24*365)=69年的时间，10-bit机器可以分别表示1024台机器。如果我们对IDC划分有需求，还可以将10-bit分5-bit给IDC，分5-bit给工作机器。这样就可以表示32个IDC，每个IDC下可以有32台机器，可以根据自身需求定义。12个自增序列号可以表示2^12个ID，理论上snowflake方案的QPS约为409.6w/s，这种分配方式可以保证在任何一个IDC的任何一台机器在任意毫秒内生成的ID都是不同的。

这种方式的优缺点是：

优点：

毫秒数在高位，自增序列在低位，整个ID都是趋势递增的。
不依赖数据库等第三方系统，以服务的方式部署，稳定性更高，生成ID的性能也是非常高的。
可以根据自身业务特性分配bit位，非常灵活。

缺点：

强依赖机器时钟，如果机器上时钟回拨，会导致发号重复或者服务会处于不可用状态。

雪花算法多用于数据库中的主键id生成，如mybatis-plus的默认产生主键id的方式就是雪花算法。

3.数据库生成

以MySQL举例，利用给字段设置auto_increment_increment和auto_increment_offset来保证ID自增，每次业务使用下列SQL读写MySQL得到ID号。

这种方案的优缺点如下：

优点：

非常简单，利用现有数据库系统的功能实现，成本小，有DBA专业维护。
ID号单调自增，可以实现一些对ID有特殊要求的业务。

缺点：

强依赖DB，当DB异常时整个系统不可用，属于致命问题。配置主从复制可以尽可能的增加可用性，但是数据一致性在特殊情况下难以保证。主从切换时的不一致可能会导致重复发号。
ID发号性能瓶颈限制在单台MySQL的读写性能。

4.美团Leaf方案

Leaf-segment数据库方案

第一种Leaf-segment方案，在使用数据库的方案上，做了如下改变： - 原方案每次获取ID都得读写一次数据库，造成数据库压力大。改为利用proxy server批量获取，每次获取一个segment(step决定大小)号段的值。用完之后再去数据库获取新的号段，可以大大的减轻数据库的压力。 - 各个业务不同的发号需求用biz_tag字段来区分，每个biz-tag的ID获取相互隔离，互不影响。如果以后有性能需求需要对数据库扩容，不需要上述描述的复杂的扩容操作，只需要对biz_tag分库分表就行。

字段说明：

biz_tag：业务标签，用来区分业务
max_id：表示该biz_tag目前所被分配的ID号段的最大值
step：表示每次分配的号段长度。如果把step设置得足够大，比如1000，那么只有当1000个号被消耗完了之后才会去重新读写一次数据库。
description：描述
update_time：更新时间

test_tag在第一台Leaf机器上是1~1000的号段，当这个号段用完时，会去加载另一个长度为step=1000的号段，假设另外两台号段都没有更新，这个时候第一台机器新加载的号段就应该是3001~4000。同时数据库对应的biz_tag这条数据的max_id会从3000被更新成4000，更新号段的SQL语句如下：

这种模式有以下优缺点：

优点：

Leaf服务可以很方便的线性扩展，性能完全能够支撑大多数业务场景。
ID号码是趋势递增的8byte的64位数字，满足上述数据库存储的主键要求。
容灾性高：Leaf服务内部有号段缓存，即使DB宕机，短时间内Leaf仍能正常对外提供服务。
可以自定义max_id的大小，非常方便业务从原有的ID方式上迁移过来。

缺点：

ID号码不够随机，能够泄露发号数量的信息，不太安全。
TP999数据波动大，当号段使用完之后还是会hang在更新数据库的I/O上，tg999数据会出现偶尔的尖刺。（就是使用完当前字段后，需要去数据库申请新的字段，所以会突然导致性能开销突然增大）
DB宕机会造成整个系统不可用。

如何解决TP999数据波动大

Leaf 取号段的时机是在号段消耗完的时候进行的，也就意味着号段临界点的ID下发时间取决于下一次从DB取回号段的时间，并且在这期间进来的请求也会因为DB号段没有取回来，导致线程阻塞。如果请求DB的网络和DB的性能稳定，这种情况对系统的影响是不大的，但是假如取DB的时候网络发生抖动，或者DB发生慢查询就会导致整个系统的响应时间变慢。

为此，我们希望DB取号段的过程能够jie做到无阻塞，不需要在DB取号段的时候阻塞请求线程，即当号段消费到某个点时就异步的把下一个号段加载到内存中。而不需要等到号段用尽的时候才去更新号段（类似于饥饿模式，不要等到当前号段全部消费完之后才去数据库申请新的号段，而是当前字段消耗到10%时，就新开一个线程去数据库申请新的号段，并把这些新的号段存于第二个缓存区中，当第一个缓存区的号段使用完时，可以直接使用第二个缓存区的号段，以此重复）。这样做就可以很大程度上的降低系统的TP999指标。详细实现如下图所示：

采用双buffer的方式，Leaf服务内部有两个号段缓存区segment。当前号段已下发10%时，如果下一个号段未更新，则另启一个更新线程去更新下一个号段。当前号段全部下发完后，如果下个号段准备好了则切换到下个号段为当前segment接着下发，循环往复。

每个biz-tag都有消费速度监控，通常推荐segment长度设置为服务高峰期发号QPS的600倍（10分钟），这样即使DB宕机，Leaf仍能持续发号10-20分钟不受影响。
每次请求来临时都会判断下个号段的状态，从而更新此号段，所以偶尔的网络抖动不会影响下个号段的更新。

使用场景：

现在我们的业务需要生成特定格式的id，如生成一个运单id，需要加HL(前缀)+13个数字，显然雪花算法生成的19为数字id是不符合的，所以我们使用美团leaf。

美团leaf的docker镜像安装

docker run \
-d \
-v /itcast/meituan-leaf/leaf.properties:/app/conf/leaf.properties \
--name meituan-leaf \
-p 28838:8080 \
--restart=always \
registry.cn-hangzhou.aliyuncs.com/itheima/meituan-leaf:1.0.1

在leaf.properties中配置数据库的信息

leaf.name=leaf-server
leaf.segment.enable=true
leaf.jdbc.url=jdbc:mysql://192.168.150.101:3306/sl_leaf?useUnicode=true&characterEncoding=utf8&autoReconnect=true&allowMultiQueries=true&useSSL=false
leaf.jdbc.username=root
leaf.jdbc.password=123

leaf.snowflake.enable=false
leaf.snowflake.zk.address=
leaf.snowflake.port=

创建sl_leaf数据库脚本：

CREATE TABLE `leaf_alloc` (
  `biz_tag` varchar(128) CHARACTER SET utf8mb4 COLLATE utf8mb4_0900_ai_ci NOT NULL DEFAULT '',
  `max_id` bigint NOT NULL DEFAULT '1',
  `step` int NOT NULL,
  `description` varchar(256) CHARACTER SET utf8mb4 COLLATE utf8mb4_0900_ai_ci DEFAULT NULL,
  `update_time` timestamp NOT NULL DEFAULT CURRENT_TIMESTAMP ON UPDATE CURRENT_TIMESTAMP,
  PRIMARY KEY (`biz_tag`) USING BTREE
) ENGINE=InnoDB DEFAULT CHARSET=utf8mb4 COLLATE=utf8mb4_0900_ai_ci;
-- 插入运单号生成规划数据
INSERT INTO `leaf_alloc` (`biz_tag`, `max_id`, `step`, `description`, `update_time`) VALUES ('transport_order', 10000000000, 100, 'Test leaf Segment Mode Get Id', '2022-07-07 11:32:16');

测试：

# transport_order 与 biz_tag字段的值相同
http://192.168.150.101:28838/api/segment/get/transport_order
#监控
http://192.168.150.101:28838/cache

获取了第一个id，此时max_id最大为100，因为是直接获取了100的号段

当获取到10%时

根据双缓存，已经又获取了100号段的id存在于第二个缓存区中

业务封装

@Service
public class IdService {

    @Value("${sl.id.leaf:}")
    private String leafUrl;

    /**
     * 生成自定义id
     *
     * @param idEnum id配置
     * @return id值
     */
    public String getId(IdEnum idEnum) {
        String idStr = this.doGet(idEnum);
        return idEnum.getPrefix() + idStr;
    }

    private String doGet(IdEnum idEnum) {
        if (StrUtil.isEmpty(this.leafUrl)) {
            throw new SLException("生成id，sl.id.leaf配置不能为空.");
        }
        //访问leaf服务获取id
        String url = StrUtil.format("{}/api/{}/get/{}", this.leafUrl, idEnum.getType(), idEnum.getBiz());
        //设置超时时间为10s
        HttpResponse httpResponse = HttpRequest.get(url)
                .setReadTimeout(10000)
                .execute();
        if (httpResponse.isOk()) {
            return httpResponse.body();
        }
        throw new SLException(StrUtil.format("访问leaf服务出错，leafUrl = {}, idEnum = {}", this.leafUrl, idEnum));
    }

}

public enum IdEnum implements BaseEnum {

    TRANSPORT_ORDER(1, "运单号", "transport_order", "segment", "SL");

    private Integer code;
    private String value;
    private String biz; //业务名称
    private String type; //类型：自增长（segment），雪花id（snowflake）
    private String prefix;//id前缀

    IdEnum(Integer code, String value, String biz, String type, String prefix) {
        this.code = code;
        this.value = value;
        this.biz = biz;
        this.type = type;
        this.prefix = prefix;
    }

    @Override
    public Integer getCode() {
        return this.code;
    }

    @Override
    public String getValue() {
        return this.value;
    }

    public String getBiz() {
        return biz;
    }

    public String getType() {
        return type;
    }

    public String getPrefix() {
        return prefix;
    }

    @Override
    public String toString() {
        final StringBuffer sb = new StringBuffer("IdEnum{");
        sb.append("code=").append(code);
        sb.append(", value='").append(value).append('\'');
        sb.append(", biz='").append(biz).append('\'');
        sb.append(", type='").append(type).append('\'');
        sb.append(", prefix='").append(prefix).append('\'');
        sb.append('}');
        return sb.toString();
    }
}

sl:
  id:
    leaf: 192.168.150.101:28838 #指定美团leaf服务地址

使用

@Resource
private IdService idservice
 
public void test(){
    String id = idService.getId(IdEunm.TRANSPORT_ORDER);
}

mp-条件简化

// 如果运单id不为空，根据id模糊查询

wrapper.like(ObjectUtil.isNotEmpty(transportOrderQueryDTO.getId()),

TransportOrderEntity::getId,transportOrderQueryDTO.getId()）；

只有这个ObjectUtil.isNotEmpty(transportOrderQueryDTO.getId())条件为true时，才会去进行模糊查询

如果不这样写，需要这样子写

if(ObjectUtil.isNotEmpty(transportOrderQueryDTO.getId()){

wrapper.like(TransportOrderEntity::getId,transportOrderQueryDTO.getId()）；

}

看起来比较冗余

    @Override
    public Page<TransportOrderEntity> findByPage(TransportOrderQueryDTO transportOrderQueryDTO) {
        // TODO day06 分页查询运单

        // 封装分页查询参数
        Page<TransportOrderEntity> page = new Page<>(transportOrderQueryDTO.getPage(),transportOrderQueryDTO.getPageSize());
        // 设置查询条件
        LambdaQueryWrapper<TransportOrderEntity> wrapper = Wrappers.<TransportOrderEntity>lambdaQuery();
        //    如果运单id不为空，根据id模糊查询
        wrapper.like(ObjectUtil.isNotEmpty(transportOrderQueryDTO.getId()),TransportOrderEntity::getId,transportOrderQueryDTO.getId());
        //    如果订单orderId不为空，根据orderId模糊查询
        wrapper.like(ObjectUtil.isNotEmpty(transportOrderQueryDTO.getOrderId()),TransportOrderEntity::getOrderId,transportOrderQueryDTO.getOrderId());
        //    如果运单状态不为空，根据运单状态等值查询
        wrapper.eq(ObjectUtil.isNotEmpty(transportOrderQueryDTO.getStatus()),TransportOrderEntity::getStatus,transportOrderQueryDTO.getStatus());
        //    如果运单调度状态不为空，根据运单调度状态等值查询
        wrapper.eq(ObjectUtil.isNotEmpty(transportOrderQueryDTO.getSchedulingStatus()),TransportOrderEntity::getSchedulingStatus,transportOrderQueryDTO.getSchedulingStatus());
        //    如果运单起点网点ID不为空，根据起点网点ID等值查询
        wrapper.eq(ObjectUtil.isNotEmpty(transportOrderQueryDTO.getStartAgencyId()),TransportOrderEntity::getStartAgencyId,transportOrderQueryDTO.getStartAgencyId());
        //    如果运单终点网点ID不为空，根据终点网点ID等值查询
        wrapper.eq(ObjectUtil.isNotEmpty(transportOrderQueryDTO.getEndAgencyId()),TransportOrderEntity::getEndAgencyId,transportOrderQueryDTO.getEndAgencyId());
        //    如果运单当前网点ID不为空，根据当前网点ID等值查询
        wrapper.eq(ObjectUtil.isNotEmpty(transportOrderQueryDTO.getCurrentAgencyId()),TransportOrderEntity::getCurrentAgencyId,transportOrderQueryDTO.getCurrentAgencyId());
        wrapper.orderByDesc(TransportOrderEntity::getCreated);

        return super.page(page,wrapper);
    }