如何在高并发分布式系统中生成全局唯一Id

又一个多月没冒泡了，其实最近学了些东西，但是没有安排时间整理成博文，后续再奉上。最近还写了一个发邮件的组件以及性能测试请看 《NET开发邮件发送功能的全面教程(含邮件组件源码)》 ，还弄了个MSSQL参数化语法生成器，会在9月整理出来，有兴趣的园友可以关注下我的博客。
 
分享原由，最近公司用到，并且在找最合适的方案，希望大家多参与讨论和提出新方案。我和我的小伙伴们也讨论了这个主题，我受益匪浅啊……
 
博文示例：
1.         GUID生成Int64值后是否还具有唯一性测试
2.         Random生成高唯一性随机码
 
今天分享的主题是：如何在高并发分布式系统中生成全局唯一Id。
但这篇博文实际上是“半分享半讨论”的博文：
1)         半分享是我将说下我所了解到的关于今天主题所涉及的几种方案。
2)         半讨论是我希望大家对各个方案都说说自己的见解，更加希望大家能提出更好的方案。（我还另外提问在此：http://q.cnblogs.com/q/53552/上面已有几位园友回复(感谢dudu站长的参与)，若你们有见解和新方案就在本博文留言吧，方便我整理更新到博文中，谢谢！）
 
我了解的方案如下……………………………………………………………………
1、  使用数据库自增Id
优势：编码简单，无需考虑记录唯一标识的问题。
缺陷：
1)         在大表做水平分表时，就不能使用自增Id，因为Insert的记录插入到哪个分表依分表规则判定决定，若是自增Id，各个分表中Id就会重复，在做查询、删除时就会有异常。
2)         在对表进行高并发单记录插入时需要加入事物机制，否则会出现Id重复的问题。
3)         在业务上操作父、子表（即关联表）插入时，需要在插入数据库之前获取max(id)用于标识父表和子表关系，若存在并发获取max(id)的情况，max(id)会同时被别的线程获取到。
4)         等等。
结论：适合小应用，无需分表，没有高并发性能要求。
2、  单独开一个数据库，获取全局唯一的自增序列号或各表的MaxId
1)         使用自增序列号表
专门一个数据库，生成序列号。开启事物，每次操作插入时，先将数据插入到序列表并返回自增序列号用于做为唯一Id进行业务数据插入。
注意：需要定期清理序列表的数据以保证获取序列号的效率；插入序列表记录时要开启事物。
使用此方案的问题是：每次的查询序列号是一个性能损耗；如果这个序列号列暴了，那就杯具了，你不知道哪个表使用了哪个序列，所以就必须换另一种唯一Id方式如GUID。
2)         使用MaxId表存储各表的MaxId值
专门一个数据库，记录各个表的MaxId值，建一个存储过程来取Id，逻辑大致为：开启事物，对于在表中不存在记录，直接返回一个默认值为1的键值，同时插入该条记录到table_key表中。而对于已存在的记录，key值直接在原来的key基础上加1更新到MaxId表中并返回key。
使用此方案的问题是：每次的查询MaxId是一个性能损耗；不过不会像自增序列表那么容易列暴掉，因为是摆表进行划分的。
详细可参考：《使用MaxId表存储各表的MaxId值，以获取全局唯一Id》
                   我截取此文中的sql语法如下：

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42

第一步：创建表 create   table   table_key (         table_name   varchar (50) not   null   primary   key ,         key_value    int           not   null )     第二步：创建存储过程来取自增ID create   procedure   up_get_table_key (     @table_name     varchar (50),     @key_value      int   output ) as begin       begin   tran           declare   @ key    int                       --initialize the key with 1           set   @ key =1           --whether the specified table is exist           if not   exists( select   table_name from   table_key where   table_name=@table_name)              begin                insert   into   table_key values (@table_name,@ key )        --default key vlaue:1              end           -- step increase           else                  begin                  select   @ key =key_value from   table_key with   (nolock) where   table_name=@table_name                  set   @ key =@ key +1                  --update the key value by table name                  update   table_key set   key_value=@ key   where   table_name=@table_name              end          --set ouput value      set   @key_value=@ key        --commit tran      commit   tran          if @@error>0        rollback   tran end

感谢园友的好建议：
1.         （@辉_辉）建议给table_key中为每个表初始化一条key为1的记录，这样就不用每次if来判断了。
2.         （@乐活的CodeMonkey）建议给存储过程中数据库事物隔离级别提高一下，因为出现在CS代码层上使用如下事物代码会导致并发重复问题.

1 2 3 4 5 6 7 8

TransactionOptions option = new   TransactionOptions(); option.IsolationLevel = IsolationLevel.ReadUncommitted; option.Timeout = new   TimeSpan(0, 10, 0);     using   (TransactionScope transaction = new   TransactionScope(TransactionScopeOption.RequiresNew, option)) {          //调用存储过程 }

在咨询过DBA后，这个存储过程提高数据库隔离级别会加大数据库访问压力，导致响应超时问题。所以这个建议我们只能在代码编写宣导上做。
3.         （@土豆烤肉）存储过程中不使用事物，一旦使用到事物性能就急剧下滑。直接使用UPDATE获取到的更新锁，即SQL
SERVER会保证UPDATE的顺序执行。（已在用户过千万的并发系统中使用）

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16

create   procedure   [dbo].[up_get_table_key] (     @table_name     varchar (50),     @key_value      int   output ) as begin        SET   NOCOUNT ON ;      DECLARE   @maxId INT      UPDATE   table_key      SET   @maxId = key_value,key_value = key_value + 1      WHERE   table_name=@table_name      SELECT   @maxId   end

结论：适用中型应用，此方案解决了分表，关联表插入记录的问题。但是无法满足高并发性能要求。同时也存在单点问题，如果这个数据库cash掉的话……
我们目前正头痛这个问题，因为我们的高并发常常出现数据库访问超时，瓶颈就在这个MaxId表。我们也有考虑使用分布式缓存（eg：memcached）缓存第一次访问MaxId表数据，以提高再次访问速度，并定时用缓存数据更新一次MaxId表，但我们担心的问题是：
a)         倘若缓存失效或暴掉了，那缓存的MaxId没有更新到数据库导致数据丢失，必须停掉站点来执行Select max(id)各个表来同步MaxId表。
b)         分布式缓存不是一保存下去，其他服务器上就立马可以获取到的，即数据存在不确定性。（其实也是缓存的一个误用，缓存应该用来存的是频繁访问并且很少改动的内容）
         改进方案：
整体思想：建立两台以上的数据库ID生成服务器，每个服务器都有一张记录各表当前ID的MaxId表，但是MaxId表中Id的增长步长是服务器的数量，起始值依次错开，这样相当于把ID的生成散列到每个服务器节点上。例如：如果我们设置两台数据库ID生成服务器，那么就让一台的MaxId表的Id起始值为1（或当前最大Id+1），每次增长步长为2，另一台的MaxId表的ID起始值为2（或当前最大Id+2），每次步长也为2。这样就将产生ID的压力均匀分散到两台服务器上，同时配合应用程序控制，当一个服务器失效后，系统能自动切换到另一个服务器上获取ID，从而解决的单点问题保证了系统的容错。（Flickr思想）
但是要注意：1、多服务器就必须面临负载均衡的问题；2、倘若添加新节点，需要对原有数据重新根据步长计算迁移数据。
结论：适合大型应用，生成Id较短，友好性比较好。（强烈推荐）
3、  Sequence特性
这个特性在SQL Server 2012、Oracle中可用。这个特性是数据库级别的，允许在多个表之间共享序列号。它可以解决分表在同一个数据库的情况，但倘若分表放在不同数据库，那将共享不到此序列号。（eg：Sequence使用场景：你需要在多个表之间公用一个流水号。以往的做法是额外建立一个表，然后存储流水号）
相关Sequence特性资料：
SQL Server2012中的SequenceNumber尝试
SQL Server 2012 开发新功能——序列对象（Sequence）
identity和sequence的区别
Difference between Identity and Sequence
in SQL Server 2012
结论：适用中型应用，此方案不能完全解决分表问题，[b]而且无法满足高并发性能要求。同时也存在单点问题，如果这个数据库cash[/b]掉的话……
4、  通过数据库集群编号+集群内的自增类型两个字段共同组成唯一主键
优点：实现简单，维护也比较简单。
缺点：关联表操作相对比较复杂，需要两个字段。并且业务逻辑必须是一开始就设计为处理复合主键的逻辑，倘若是到了后期，由单主键转为复合主键那改动成本就太大了。
结论：适合大型应用，但需要业务逻辑配合处理复合主键。
5、  通过设置每个集群中自增 ID 起始点（auto_increment_offset），将各个集群的ID进行绝对的分段来实现全局唯一。当遇到某个集群数据增长过快后，通过命令调整下一个 ID 起始位置跳过可能存在的冲突。
优点：实现简单，且比较容易根据 ID 大小直接判断出数据处在哪个集群，对应用透明。缺点：维护相对较复杂，需要高度关注各个集群 ID 增长状况。
结论：适合大型应用，但需要高度关注各个集群 ID 增长状况。
6、  GUID（Globally
Unique Identifier，全局唯一标识符）
GUID通常表示成32个16进制数字（0－9，A－F）组成的字符串，如：{21EC2020-3AEA-1069-A2DD-08002B30309D}，它实质上是一个128位长的二进制整数。
GUID制定的算法中使用到用户的网卡MAC地址，以保证在计算机集群中生成唯一GUID；在相同计算机上随机生成两个相同GUID的可能性是非常小的，但并不为0。所以，用于生成GUID的算法通常都加入了非随机的参数（如时间），以保证这种重复的情况不会发生。
优点：GUID是最简单的方案，跨平台，跨语言，跨业务逻辑，全局唯一的Id，数据间同步、迁移都能简单实现。
缺点：
1)         存储占了32位，且无可读性，返回GUID给客户显得很不专业；
2)         占用了珍贵的聚集索引，一般我们不会根据GUID去查单据，并且插入时因为GUID是无需的，在聚集索引的排序规则下可能移动大量的记录。
有两位园友主推GUID，无须顺序GUID方案原因如下：
@徐少侠           GUID无序在并发下效率高，并且一个数据页内添加新行，是在B树内增加，本质没有什么数据被移动，唯一可能的，是页填充因子满了，需要拆页。而GUID方案导致的拆页比顺序ID要低太多了（数据库不是很懂，暂时无法断定，大家自己认识）
@无色                我们要明白id是什么，是身份标识，标识身份是id最大的业务逻辑，不要引入什么时间，什么用户业务逻辑，那是另外一个字段干的事，使用base64(guid,uuid)，是通盘考虑，完全可以更好的兼容nosql,key-value存储。
（推荐），但是倘若你系统一开始没有规划一个业务Id，那么将导致大量的改动，所以这个方案的最佳状态是一开始就设计业务Id，当然业务Id的唯一性也是我们要考虑的。
结论：适合大型应用；生成的Id不够友好；占据了32位；索引效率较低。
改进：
1)         （@dudu提点）在SQL
Server 2005中新增了NEWSEQUENTIALID函数。
详细请看：《理解newid()和newsequentialid()》
在指定计算机上创建大于先前通过该函数生成的任何 GUID 的 GUID。 newsequentialid 产生的新的值是有规律的，则索引B+树的变化是有规律的，就不会导致索引列插入时移动大量记录的问题。
但一旦服务器重新启动，其再次生成的GUID可能反而变小（但仍然保持唯一）。这在很大程度上提高了索引的性能，但并不能保证所生成的GUID一直增大。SQL的这个函数产生的GUID很简单就可以预测，因此不适合用于安全目的。
a)         只能做为数据库列的DEFAULT VALUE，不能执行类似SELECT NEWSEQUENTIALID()的语句.
b)         如何获得生成的GUID.
如果生成的GUID所在字段做为外键要被其他表使用，我们就需要得到这个生成的值。通常，PK是一个IDENTITY字段，我们可以在INSERT之后执行 SELECT SCOPE_IDENTITY()来获得新生成的ID，但是由于NEWSEQUENTIALID()不是一个INDETITY类型，这个办法是做不到了，而他本身又只能在默认值中使用，不可以事先SELECT好再插入，那么我们如何得到呢？有以下两种方法：

1 2 3 4 5 6 7 8 9 10 11 12

--1. 定义临时表变量 DECLARE   @outputTable TABLE (ID uniqueidentifier) INSERT   INTO   TABLE1(col1, col2) OUTPUT   INSERTED.ID INTO   @outputTable VALUES ( 'value1' , 'value2' ) SELECT   ID FROM   @outputTable     --2. 标记ID字段为ROWGUID（一个表只能有一个ROWGUID） INSERT   INTO   TABLE1(col1, col2) VALUES ( 'value1' , 'value2' ) --在这里，ROWGUIDCOL其实相当于一个别名 SELECT   ROWGUIDCOL FROM   TABLE1

结论：适合大型应用，解决了GUID无序特性导致索引列插入移动大量记录的问题。但是在关联表插入时需要返回数据库中生成的GUID；生成的Id不够友好；占据了32位。
2)         “COMB”（combined guid/timestamp，意思是：组合GUID/时间截）
（感谢：@ ethan-luo ，@lcs-帅 ）
COMB数据类型的基本设计思路是这样的：既然GUID数据因毫无规律可言造成索引效率低下，影响了系统的性能，那么能不能通过组合的方式，保留GUID的10个字节，用另6个字节表示GUID生成的时间（DateTime），这样我们将时间信息与GUID组合起来，在保留GUID的唯一性的同时增加了有序性，以此来提高索引效率。
在NHibernate中，COMB型主键的生成代码如下所示：

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33

/// <summary> /// Generate a new <see cref="Guid"/> using the comb algorithm. /// </summary> private   Guid GenerateComb() {      byte [] guidArray = Guid.NewGuid().ToByteArray();        DateTime baseDate = new   DateTime(1900, 1, 1);      DateTime now = DateTime.Now;        // Get the days and milliseconds which will be used to build         //the byte string         TimeSpan days = new   TimeSpan(now.Ticks - baseDate.Ticks);      TimeSpan msecs = now.TimeOfDay;        // Convert to a byte array             // Note that SQL Server is accurate to 1/300th of a         // millisecond so we divide by 3.333333         byte [] daysArray = BitConverter.GetBytes(days.Days);      byte [] msecsArray = BitConverter.GetBytes(( long )        (msecs.TotalMilliseconds / 3.333333));        // Reverse the bytes to match SQL Servers ordering         Array.Reverse(daysArray);      Array.Reverse(msecsArray);        // Copy the bytes into the guid         Array.Copy(daysArray, daysArray.Length - 2, guidArray,        guidArray.Length - 6, 2);      Array.Copy(msecsArray, msecsArray.Length - 4, guidArray,        guidArray.Length - 4, 4);        return   new   Guid(guidArray); }

结论：适合大型应用。即保留GUID的唯一性的同时增加了GUID有序性，提高了索引效率；解决了关联表业务问题；生成的Id不够友好；占据了32位。（强烈推荐）
3)         长度问题，使用Base64或Ascii85编码解决。（要注意的是上述有序性方案在进行编码后也会变得无序）
如：
GUID：{3F2504E0-4F89-11D3-9A0C-0305E82C3301}
当需要使用更少的字符表示GUID时，可能会使用Base64或Ascii85编码。Base64编码的GUID有22－24个字符，如：
7QDBkvCA1+B9K/U0vrQx1A
7QDBkvCA1+B9K/U0vrQx1A==
Ascii85编码后是20个字符，如：
5:$Hj:Pf\4RLB9%kU\Lj
                   代码如：
         Guid guid = Guid.NewGuid();
         byte[] buffer = guid.ToByteArray();
         var shortGuid = Convert.ToBase64String(buffer);
                   结论：适合大型应用，缩短GUID的长度。生成的Id不够友好；索引效率较低。
7、  GUID TO Int64
对于GUID的可读性，有园友给出如下方案：（感谢：@黑色的羽翼）

1 2 3 4 5 6 7 8

/// <summary> /// 根据GUID获取19位的唯一数字序列 /// </summary> public   static   long   GuidToLongID() {      byte [] buffer = Guid.NewGuid().ToByteArray();      return   BitConverter.ToInt64(buffer, 0); }

即将GUID转为了19位数字，数字反馈给客户可以一定程度上缓解友好性问题。EG:
GUID: cfdab168-211d-41e6-8634-ef5ba6502a22    （不友好）
Int64: 5717212979449746068                                      （友好性还行）
不过我的小伙伴说ToInt64后就不唯一了。因此我专门写了个并发测试程序，后文将给出测试结果截图及代码简单说明。
（唯一性、业务适合性是可以权衡的，这个唯一性肯定比不过GUID的，一般程序上都会安排错误处理机制，比如异常后执行一次重插的方案……）
结论：适合大型应用，生成相对友好的Id（纯数字）--[b]----因简单和业务友好性而推荐。[/b]
8、  自己写编码规则
优点：全局唯一Id，符合业务后续长远的发展（可能具体业务需要自己的编码规则等等）。
缺陷：根据具体编码规则实现而不同；还要考虑倘若主键在业务上允许改变的，会带来外键同步的麻烦。
我这边写两个编码规则方案：（可能不唯一，只是个人方案，也请大家提出自己的编码规则）
1)         12位年月日时分秒+5位随机码+3位服务器编码  （这样就完全单机完成生成全局唯一编码）---共20位
缺陷：因为附带随机码，所以编码缺少一定的顺序感。（生成高唯一性随机码的方案稍后给给出程序）
2)         12位年月日时分秒+5位流水码+3位服务器编码 （这样流水码就需要结合数据库和缓存）---共20位   （将影响顺序权重大的“流水码”放前面，影响顺序权重小的服务器编码放后）
缺陷：因为使用到流水码，流水码的生成必然会遇到和MaxId、序列表、Sequence方案中类似的问题
（为什么没有毫秒？毫秒也不具备业务可读性，我改用5位随机码、流水码代替，推测1秒内应该不会下99999[五位]条语法）
 
结论：适合大型应用，从业务上来说，有一个规则的编码能体现产品的专业成度。（强烈推荐）
 
 
GUID生成Int64值后是否还具有唯一性测试
测试环境



主要测试思路：
1.         根据内核数使用多线程并发生成Guid后再转为Int64位值，放入集合A、B、…N，多少个线程就有多少个集合。
2.         再使用Dictionary字典高效查key的特性，将步骤1中生成的多个集合全部加到Dictionary中，看是否有重复值。
示例注解：测了 Dictionary<long,bool> 最大容量就在5999470左右，所以每次并发生成的唯一值总数控制在此范围内，让测试达到最有效话。
主要代码：

1 2 3 4 5 6 7 8 9 10 11 12 13 14

for   ( int   i = 0; i <= Environment.ProcessorCount - 1; i++) {      ThreadPool.QueueUserWorkItem(          (list) =>          {              List< long > tempList = list as   List< long >;              for   ( int   j = 1; j < listLength; j++)              {                  byte [] buffer = Guid.NewGuid().ToByteArray();                  tempList.Add(BitConverter.ToInt64(buffer, 0));              }              barrier.SignalAndWait();          }, totalList[i]); }

测试数据截图：                                                                           



 
数据一（循环1000次，测试数：1000*5999470）



数据二（循环5000次,测试数：5000*5999470）--跑了一个晚上……



 
感谢@Justany_WhiteSnow的专业回答：(大家分析下，我数学比较差，稍后再说自己的理解)
GUID桶数量：(2 ^ 4) ^ 32 = 2 ^ 128
Int64桶数量： 2 ^ 64
倘若每个桶的机会是均等的，则每个桶的GUID数量为：
(2 ^ 128) / (2 ^ 64) = 2 ^ 64 = 18446744073709551616
也就是说，其实重复的机会是有的，只是概率问题。
楼主测试数是29997350000，发生重复的概率是：
1 - ((1 - (1 / (2 ^ 64))) ^ 29997350000) ≈ 1 - ((1 - 1 / （2 ^ 64)) ^ (2 ^ 32)) < 1 - 1 + 1 / (2 ^ 32) = 1 / (2 ^ 32) ≈ 2.3283064e-10
（唯一性、业务适合性是可以权衡的，这个唯一性肯定比不过GUID的，一般程序上都会安排错误处理机制，比如异常后执行一次重插的方案……）
（唯一性、业务适合性是可以权衡的，这个唯一性肯定比不过GUID的，一般程序上都会安排错误处理机制，比如异常后执行一次重插的方案……）
结论：GUID转为Int64值后，也具有高唯一性，可以使用与项目中。
 
Random生成高唯一性随机码
我使用了五种Random生成方案，要Random生成唯一主要因素就是种子参数要唯一。（这是比较久以前写的测试案例了，一直找不到合适的博文放，今天终于找到合适的地方了）
不过该测试是在单线程下的，多线程应使用不同的Random实例，所以对结果影响不会太大。
1.         使用Environment.TickCount做为Random参数（即Random的默认参数），重复性最大。
2.         使用DateTime.Now.Ticks做为Random参数，存在重复。
3.         使用unchecked((int)DateTime.Now.Ticks)做为Random参数，存在重复。
4.         使用Guid.NewGuid().GetHashCode()做为random参数，测试不存在重复（或存在性极小）。
5.         使用RNGCryptoServiceProvider做为random参数，测试不存在重复（或存在性极小）。
即：
        static int GetRandomSeed()
        {
            byte[] bytes = new byte[4];
            System.Security.Cryptography.RNGCryptoServiceProvider rng
= new System.Security.Cryptography.RNGCryptoServiceProvider();
            rng.GetBytes(bytes);
            return BitConverter.ToInt32(bytes, 0);
        }
测试结果：



结论：随机码使用RNGCryptoServiceProvider或Guid.NewGuid().GetHashCode()生成的唯一性较高。
 
 
一些精彩评论（部分更新到原博文对应的地方）
一、
数据库文件体积只是一个参考值，可水平扩展系统性能（如nosql，缓存系统）并不和文件体积有高指数的线性相关。
如taobao/qq的系统比拼byte系统慢，关键在于索引的命中率，缓存，系统的水平扩展。
如果数据库很少，你搞这么多byte能提高性能？
如果数据库很大，你搞这么多byte不兼容索引不兼容缓存，不是害自已吗？
如果数据库要求伸缩性，你搞这么多byte，需要不断改程序，不是自找苦吗？
如果数据库要求移植性，你搞这么多byte，移植起来不如重新设计，这是不是很多公司不断加班的原因？
 
不依赖于数据存储系统是分层设计思想的精华，实现战略性能最大化，而不是追求战术单机性能最大化。
 
不要迷信数据库性能，不要迷信三范式，不要使用外键，不要使用byte，不要使用自增id，不要使用存储过程，不要使用内部函数，不要使用非标准sql，存储系统只做存储系统的事。当出现系统性能时，如此设计的数据库可以更好的实现迁移数据库（如mysql->oracle)，实现nosql改造（(mongodb/hadoop），实现key-value缓存(redis,memcache)。
 
二、
很多程序员有对性能认识有误区，如使用存储过程代替正常程序，其实使用存储过程只是追求单服务器的高性能，当需要服务器水平扩展时，存储过程中的业务逻辑就是你的噩运。
 
三、
除数字日期，能用字符串存储的字段尽量使用字符串存储，不要为节省那不值钱的1个g的硬盘而使用类似字节之类的字段，进而大幅牺牲系统可伸缩性和可扩展性。
不要为了追求所谓的性能，引入byte，使用byte注定是短命和难于移植，想想为什么html,email一直流行，因为它们使用的是字符串表示法，只要有人类永远都能解析，如email把二进制转成base64存储。除了实时系统，视频外，建议使用字符串来存储数据，系统性能的关键在于分布式，在于水平扩展。
 
 
本次博文到此结束，希望大家对本次主题“如何在高并发分布式系统中生成全局唯一Id”多提出自己宝贵的意见。另外看着感觉舒服，还请多帮推荐…推荐……