9种分布式ID生成之 美团（Leaf）实战

[dubbo 源码之 ]1. 服务提供方如何发布服务

头几天写过一篇《一口气说出 9种 分布式ID生成体式格局，口试官有点懵了》，里边简朴的引见了九种分布式ID生成体式格局，然则关于像美团（Leaf）、滴滴（Tinyid）、百度（uid-generator）都是一笔带过。而经由历程读者留言发明，人人广泛对他们哥半夜感兴趣，所今后边会连系实战，细致的对三种分布式ID生成器进修，本日先啃下美团（Leaf）。

不相识分布式ID的同砚，先行去看《一口气说出 9种 分布式ID生成体式格局，口试官有点懵了》复习一下基础知识，这里就不再赘述了

美团（Leaf）

Leaf是美团推出的一个分布式ID生成效劳，名字取自德国哲学家、数学家莱布尼茨的一句话：“There are no two identical leaves in the world.”（“世界上没有两片雷同的树叶”），取个名字都这么有寄意，美团程序员牛掰啊！

Leaf的上风：高牢靠、低耽误、全局唯一等特性。

现在主流的分布式ID生成体式格局，大抵都是基于数据库号段形式和雪花算法（snowflake），而美团（Leaf）正好同时兼具了这两种体式格局，可以依据差别营业场景天真切换。

接下来连系实战，细致的引见一下Leaf的Leaf-segment号段形式和Leaf-snowflake形式

一、 Leaf-segment号段形式

Leaf-segment号段形式是对直接用数据库自增ID充任分布式ID的一种优化，削减对数据库的频次操纵。相称于从数据库批量的猎取自增ID，每次从数据库掏出一个号段局限，比方 (1,1000] 代表1000个ID，营业效劳将号段在当地生成1~1000的自增ID并加载到内存.。

大抵的流程入下图所示：

号段耗尽今后再去数据库猎取新的号段，可以大大的减轻数据库的压力。对max_id字段做一次update操纵，update max_id= max_id + step，update胜利则申明新号段猎取胜利，新的号段局限是(max_id ,max_id +step]。

由于依托数据库，我们先设想一下表构造：

CREATE TABLE `leaf_alloc` (
  `biz_tag` varchar(128) NOT NULL DEFAULT '' COMMENT '营业key',
  `max_id` bigint(20) NOT NULL DEFAULT '1' COMMENT '当前已分配了的最大id',
  `step` int(11) NOT NULL COMMENT '初始步长，也是动态调解的最小步长',
  `description` varchar(256) DEFAULT NULL COMMENT '营业key的形貌',
  `update_time` timestamp NOT NULL DEFAULT CURRENT_TIMESTAMP ON UPDATE CURRENT_TIMESTAMP COMMENT '数据库保护的更新时候',
  PRIMARY KEY (`biz_tag`)
) ENGINE=InnoDB DEFAULT CHARSET=utf8;

预先插进去一条测试的营业数据

INSERT INTO `leaf_alloc` (`biz_tag`, `max_id`, `step`, `description`, `update_time`) VALUES ('leaf-segment-test', '0', '10', '测试', '2020-02-28 10:41:03');

• biz_tag：针对差别营业需求，用biz_tag字段来断绝，假如今后须要扩容时，只需对biz_tag分库分表即可
• max_id：当前营业号段的最大值，用于盘算下一个号段
• step：步长，也就是每次猎取ID的数目
• description：关于营业的形貌，没啥好说的

将Leaf项目下载到当地：https://github.com/Meituan-Dianping/Leaf

修正一下项目中的leaf.properties文件，增加数据库设置

leaf.name=com.sankuai.leaf.opensource.test
leaf.segment.enable=true
leaf.jdbc.url=jdbc:mysql://127.0.0.1:3306/xin-master?useUnicode=true&characterEncoding=utf8
leaf.jdbc.username=junkang
leaf.jdbc.password=junkang

leaf.snowflake.enable=false

注重：leaf.snowflake.enable 与 leaf.segment.enable 是没法同时开启的，不然项目将没法启动。

设置相称的简朴，直接启动LeafServerApplication后就OK了，接下来测试一下，leaf是基于Http请求的发号效劳， LeafController 中只要两个要领，一个号段接口，一个snowflake接口，key就是数据库中预先插进去的营业biz_tag。

@RestController
public class LeafController {
    private Logger logger = LoggerFactory.getLogger(LeafController.class);

    @Autowired
    private SegmentService segmentService;
    @Autowired
    private SnowflakeService snowflakeService;

    /**
     * 号段形式
     * @param key
     * @return
     */
    @RequestMapping(value = "/api/segment/get/{key}")
    public String getSegmentId(@PathVariable("key") String key) {
        return get(key, segmentService.getId(key));
    }

    /**
     * 雪花算法形式
     * @param key
     * @return
     */
    @RequestMapping(value = "/api/snowflake/get/{key}")
    public String getSnowflakeId(@PathVariable("key") String key) {
        return get(key, snowflakeService.getId(key));
    }

    private String get(@PathVariable("key") String key, Result id) {
        Result result;
        if (key == null || key.isEmpty()) {
            throw new NoKeyException();
        }
        result = id;
        if (result.getStatus().equals(Status.EXCEPTION)) {
            throw new LeafServerException(result.toString());
        }
        return String.valueOf(result.getId());
    }
}

接见：http://127.0.0.1:8080/api/segment/get/leaf-segment-test，效果一般返回，觉得没瑕玷，但当查了一下数据库表中数据时发明了一个问题。


一般在用号段形式的时候，取号段的机遇是在前一个号段斲丧完的时候举行的，可刚适才取了一个ID，数据库中却已更新了max_id，也就是说leaf已多猎取了一个号段，这是什么鬼操纵？

Leaf为啥要这么设想呢？

Leaf 愿望能在DB中取号段的历程当中做到无壅塞！

当号段耗尽时再去DB中取下一个号段，假如此时收集发作发抖，或许DB发作慢查询，营业体系拿不到号段，就会致使全部体系的相应时候变慢，对流量庞大的营业，这是不可容忍的。

所以Leaf在当前号段花费到某个点时，就异步的把下一个号段加载到内存中。而不须要比及号段用尽的时候才去更新号段。如许做很大程度上的降低了体系的风险。

那末某个点究竟是什么时候呢？

这里做了一个试验，号段设置长度为step=10，max_id=1，

当我拿第一个ID时，看到号段增加了，1/10


当我拿第三个Id时，看到号段又增加了，3/10


Leaf采纳双buffer的体式格局，它的效劳内部有两个号段缓存区segment。当前号段已斲丧10%时，还没能拿到下一个号段，则会另启一个更新线程去更新下一个号段。

简而言之就是Leaf保证了总是会多缓存两个号段，纵然哪一时候数据库挂了，也会保证发号效劳可以一般事情一段时候。

一般引荐号段（segment）长度设置为效劳高峰期发号QPS的600倍（10分钟），如许纵然DB宕机，Leaf仍能延续发号10-20分钟不受影响。

长处：

• Leaf效劳可以很轻易的线性扩大，机能完整可以支持大多数营业场景。
• 容灾性高：Leaf效劳内部有号段缓存，纵然DB宕机，短时候内Leaf仍能一般对外供应效劳。

瑕玷：

• ID号码不够随机，可以泄漏发号数目的信息，不太平安。
• DB宕时机形成全部体系不可用（用到数据库的都有大概）。

二、Leaf-snowflake

Leaf-snowflake基本上就是沿用了snowflake的设想，ID构成构造：正数位（占1比特）+ 时候戳（占41比特）+ 机械ID（占5比特）+ 机房ID（占5比特）+ 自增值（占12比特），统共64比特构成的一个Long范例。

Leaf-snowflake差别于原始snowflake算法处所，主如果在workId的生成上，Leaf-snowflake依托Zookeeper生成workId，也就是上边的机械ID（占5比特）+ 机房ID（占5比特）。Leaf中workId是基于ZooKeeper的次序Id来生成的，每一个应用在运用Leaf-snowflake时，启动时都邑都在Zookeeper中生成一个次序Id，相称于一台机械对应一个次序节点，也就是一个workId。

Leaf-snowflake启动效劳的历程大抵以下：

• 启动Leaf-snowflake效劳，衔接Zookeeper，在leaf_forever父节点下搜检本身是不是已注册过（是不是有该次序子节点）。
• 假如有注册过直接取回本身的workerID（zk次序节点生成的int范例ID号），启动效劳。
• 假如没有注册过，就在该父节点下面建立一个耐久次序节点，建立胜利后取回次序号当作本身的workerID号，启动效劳。

但Leaf-snowflake对Zookeeper是一种弱依托关联，除了每次会去ZK拿数据之外，也会在本机文件体系上缓存一个workerID文件。一旦ZooKeeper涌现问题，正好机械涌现毛病需重启时，依旧可以保证效劳一般启动。

启动Leaf-snowflake形式也比较简朴，起动当地ZooKeeper，修正一下项目中的leaf.properties文件，封闭leaf.segment形式，启用leaf.snowflake形式即可。

leaf.segment.enable=false
#leaf.jdbc.url=jdbc:mysql://127.0.0.1:3306/xin-master?useUnicode=true&characterEncoding=utf8
#leaf.jdbc.username=junkang
#leaf.jdbc.password=junkang

leaf.snowflake.enable=true
leaf.snowflake.zk.address=127.0.0.1
leaf.snowflake.port=2181

    /**
     * 雪花算法形式
     * @param key
     * @return
     */
    @RequestMapping(value = "/api/snowflake/get/{key}")
    public String getSnowflakeId(@PathVariable("key") String key) {
        return get(key, snowflakeService.getId(key));
    }

测试一下，接见：http://127.0.0.1:8080/api/snowflake/get/leaf-segment-test

长处：

• ID号码是趋向递增的8byte的64位数字，满足上述数据库存储的主键请求。

瑕玷：

• 依托ZooKeeper，存在效劳不可用风险（着实不知道有啥瑕玷了）

三、Leaf监控

请求地点：http://127.0.0.1:8080/cache

针对效劳本身的监控，Leaf供应了Web层的内存数据映照界面，可以及时看到一切号段的下发状况。比方每一个号段双buffer的运用情况，当前ID下发到了哪一个位置等信息都可以在Web界面上检察。

总结

关于Leaf详细运用哪一种形式，照样依据详细的营业场景运用，本文并没有对Leaf源码做过量的剖析，由于Leaf 代码量简约很好浏览。后续还会把其他几种分布式ID生成器，顺次连系实战引见给人人，迎接人人关注。

本日就说这么多，假如本文对您有一点协助，愿望能获得您一个点赞哦

您的承认才是我写作的动力！

JVM类加载器是否可以加载自定义的String