博客
关于我
不能错过的分布式ID生成器(Leaf ),好用的一批
阅读量:173 次
发布时间:2019-02-28

本文共 917 字,大约阅读时间需要 3 分钟。

美团Leaf分布式ID生成器技术说明

Leaf的号段模式

Leaf的号段模式是一种优化数据库自增ID的方式,旨在减少对数据库的频率操作。基本思路是批量从数据库获取号段范围,例如(1,1000]表示1000个ID。业务服务在本地生成1~1000的自增ID并加载到内存中。

号段模式的工作原理

  • 数据库表结构:Leaf使用leaf_alloc表来管理号段信息,字段包括:

    • biz_tag:唯一标识业务,支持分库分表。
    • max_id:当前号段的最大值。
    • step:号段长度。
    • update_time:数据库维护时间。
  • 号段获取:当号段耗尽时,Leaf通过更新max_id获取新的号段。例如,更新max_id= max_id + step,新号段范围为(max_id, max_id + step]

  • 缓存机制:Leaf采用双buffer缓存策略,预先加载两个号段,确保在数据库延迟或故障时仍能正常发号。

  • 优化效果:通过减少对数据库的频率操作,降低了系统响应时间,提升了性能。

  • Leaf的雪花算法模式

    Leaf的雪花算法模式结合了传统雪花算法和Zookeeper的有序服务,生成全局唯一的分布式ID。ID结构为:

    • 1位正数位(表示正数ID)
    • 41位时间戳(精确到微秒)
    • 5位机器ID
    • 5位机房ID
    • 12位自增值

    雪花算法的实现

  • Zookeeper依赖:雪花模式依赖Zookeeper生成workId。启动时,Leaf检查Zookeeper是否有对应的顺序节点:

    • 如果存在,直接使用workId启动服务。
    • 如果不存在,创建持久顺序节点并获取workId。
  • 缓存机制:Leaf在本地缓存workId,确保在Zookeeper故障时仍能正常发号。

  • 配置与启动:在leaf.properties中配置Zookeeper地址和端口,启用雪花模式即可。

  • Leaf的监控功能

    Leaf提供了实时监控界面,可查看:

    • 号段双buffer使用情况
    • 当前ID下发状态
    • 数据库维护信息

    总结

    Leaf作为美团的分布式ID生成服务,兼具号段模式和雪花算法的优势。根据业务需求灵活切换模式,支持高并发场景。其内部设计注重容灾性和性能优化,但需注意ID暴露信息和数据库依赖。

    转载地址:http://bnkc.baihongyu.com/

    你可能感兴趣的文章
    Python Kivy库:跨平台应用开发
    查看>>
    python lambda表达式
    查看>>
    Python ldap3 代码从 SID 获取用户名
    查看>>
    Python list += iterable 的行为是否记录在任何地方?
    查看>>
    python list,str的拼接与转换
    查看>>
    python list函数使用总结_史上最全的Python数据结构:列表和元组用法总结
    查看>>
    python locust 性能测试:locust参数-保证并发测试数据唯一性,循环取数据
    查看>>
    python locust 性能测试:locust安装和一些参数介绍
    查看>>
    python log
    查看>>
    python logging basicconfig_python之logging.basicConfig
    查看>>
    Python logging模块使用
    查看>>
    python logging模块学习
    查看>>
    python mac地址_python中MAC地址打包问题
    查看>>
    python manage.py syncdb Unknown command: 'syncdb'问题解决方法
    查看>>
    Python map() 函数 和 numpy mean()函数
    查看>>
    Python Matplotlib Box并排绘制两个数据集
    查看>>
    Python Matplotlib 中如何用 plt.savefig 存储图片
    查看>>
    Python matplotlib 中更换画布背景颜色
    查看>>
    Python进阶03 模块
    查看>>
    python matplotlib简单使用
    查看>>