7.4 KiB
IdGenerator
介绍
用一种全新的雪花漂移算法，让ID更短、生成速度更快。 核心在于缩短ID长度的同时，还能拥有极高瞬时并发处理量（50W/0.1s）。 顶尖优化，超强效能（位数更短，速度更快），全新 SnowFlake 算法，支持 C#/Java/Go/C/PHP 等语言。
需求来源
1.作为架构设计的你，想要解决数据库主键唯一的问题，特别是在分布式系统多数据库的时候。
2.你希望这个主键是用最少的存储空间，索引速度更快，Select、Insert 和 Update 更迅速。
3.你要考虑在分库分表（合库合表）的时候，主键值可直接使用，并能反映业务时序。
4.如果这样的主键值太长，超过前端 JS Number 类型最大值，须把 Long 型转换为 String 型，你会觉得有点沮丧。
5.哪怕 Guid 能自增，但占用空间大，这也不是你想要的。
6.你的应用实例可能超过50个，每个并发请求可能达10W/s。
7.你希望系统能运行 100 年以上。
传统算法问题
1.生成的ID太长。
2.瞬时并发量不够。
3.不能解决时间回拨问题。
4.不支持后补生成前序ID。
5.依赖外部存储系统。
新算法特点
1.整形数字，随时间单调递增（不一定连续），长度更短，用50年都不会超过 js Number类型最大值。（默认配置 WorkerId 是6bit，自增数是6bit）
2.速度更快，是传统雪花算法的2-5倍，0.1秒可生成50万个。（i7笔记本，默认算法配置6bit+6bit）
3.支持时间回拨处理。比如服务器时间回拨1秒，本算法能自动适应生成临界时间的唯一ID。
4.支持手工插入新ID。当业务需要在历史时间生成新ID时，用本算法的预留位能生成5000个每秒。
5.漂移时能外发通知事件。让调用方确切知道算法漂移记录，Log并发调用量。
6.不依赖任何外部缓存和数据库。（但 WorkerId 必须由外部指定）
性能数据
(参数：10位自增序列，1000次漂移最大值)
| 连续请求量 | 5K | 5W | 50W |
|---|---|---|---|
| 传统雪花算法 | 0.0045s | 0.053s | 0.556s |
| 雪花漂移算法 | 0.0015s | 0.012s | 0.113s |
效果
1.js Number 类型最大数值：9007199254740992，本算法在保持并发性能（5W+/0.01s）和最大64个 WorkerId（6bit）的同时，能用70年才到 js Number Max 值。
2.增加WorkerId位数到8bit（256节点）时，15年达到 js Number Max 值。
3.极致性能：500W/1s。
4.所有测试数据均基于8代低压i7计算。
“我”是什么
1.本算法是一个类库，它基于 net standard2.0 基础库，不依赖任何第三方组件。
2.本算法不依赖任何外部数据系统（除了要被指定 WorkerId 之外）。
适用范围
1.小型、中型、大型需要全局唯一Id（不用Guid）的项目。
2.分布式项目。
3.不想将 Long 型转 String 给前端用的项目。（若前端支持bigint，则可不转类型）
如何处理时间回拨
1.当发生系统时间回拨时，算法采用过去时序的预留序数生成新的ID。
2.默认每秒生成100个（速度可调整）。
3.回拨生成的ID序号，默认靠前，也可以调整为靠后。
4.允许时间回拨至本算法预设基数（参数可调）。
能用多久
1.在默认配置下，ID可用 71000 年不重复。
2.在支持 1024 个工作节点时，ID可用 4480 年不重复。
3.在支持 4096 个工作节点时，ID可用 1120 年不重复。
4.以上所有工作节点，均拥有 50W/0.1s 瞬时处理速度。
★★集成建议★★
常规集成
1.用单例模式调用。外部集成方使用更多的实例并行调用本算法，不会增加ID产出效能，因为本算法采用单线程模式生成ID。
2.指定唯一的 WorkerId。必须由外部系统确保 WorkerId 的全局唯一性，并赋值给本算法入口方法。
3.异常处理。本算法内部会抛出所有 Exception，外部系统应该 catch 相关信息并做好应对处理，以免引发更大的系统崩溃。
4.认真理解 IdGeneratorOptions 的定义，这对集成和使用本算法有帮助。
5.使用雪花漂移算法。虽然代码里包含了传统雪花算法的定义，并且你可以在入口处指定（Method=2）来启用传统算法，但仍建议你使用雪花漂移算法（Method=1，默认的），毕竟它具有更好的伸缩力和更高的性能。
6.轻易不要修改核心算法。本算法内部参数较多，逻辑较为复杂，在你尚未掌握核心逻辑时，请勿尝试修改核心代码且用于生产环境，除非通过大量细致、科学的测试验证。
大型分布式集成
1.可扩大 WorkerIdBitLength 到最大20，支持 1,048,576 个节点，且不影响上述并发性能（50W/0.1s）。[算法支持]
2.采用中心化 IdGenerator 集群，生成可用 Id 列表，存入 Redis 队列供节点消费。此时64个中心化节点数足够大型互联网项目使用。[需集成方扩展实现]
3.以上2条二选一即可，采用方法2一般是因为不想增加最终 ID 长度，但节点数超过64个。
4.任何加大 WorkerIdBitLength 或 SeqBitLength 的设置，都可能会增加 ID 的长度。
配置变更
配置变更指是系统运行一段时间后，再变更运行参数（IdGeneratorOptions选项值），请注意：
1.最重要的一条原则是：BaseTime 只能往前（比老值更小、距离现在更远）赋值，原因是往后赋值极大可能产生相同的时间戳。[不推荐在系统运行之后调整 BaseTime]
2.任何时候增加 WorkerIdBitLength 或 SeqBitLength，都是可以的，但是慎用 “减小”的操作，因为这可能导致在未来某天生成的 ID 与过去老配置时相同。[允许在系统运行之后增加任何一个 BitLength 值]
3.如果必须减小 WorkerIdBitLength 或 SeqBitLength 其中的一项，一定要满足一个条件：新的两个 BitLength 之和要大于 老的值之和。[不推荐在运行之后缩小任何一个 BitLength 值]
4.上述3条规则，并未在本算法内做逻辑控制，集成方应根据上述规则做好影响评估，确认无误后，再实施配置变更。
关于默认配置
1.默认配置能很好应对常规并发不超过1w次/1s，突发请求不超过10W次/1s的场景。
2.若要突发请求值满足50W次/1s，可增加 SeqBitLength 至8或9。
生成的ID
默认配置：
WorkerId = 6 (最多64个工作节点)
SeqBitLength = 6
ID示例（基于默认配置）：
129053495681099 (本算法运行1年)
387750301904971 (运行3年)
646093214093387 (运行5年)
1292658282840139 (运行10年)
9007199254740992 (js Number 最大值)
165399880288699493 (普通雪花算法生成的ID)
本算法生成的 ID 值，是 js Number 最大值的 1%-10%，是普通雪花算法值的千分之一，而计算能力却超过普通雪花算法。
代码示例
C#：查看示例
Java：查看示例
Go：查看示例
Rust：查看示例
技术支持
开源地址：https://gitee.com/yitter/idgenerator
QQ群：646049993
即将推出 C/Rust 等版本。