网站怎样做排名,网站建设手续,做网站1核1g服务器够吗,wordpress用户投稿插件随着互联网的不断发展#xff0c;互联网企业的业务在飞速变化#xff0c;推动着系统架构也在不断地发生变化。
如今微服务技术越来越成熟#xff0c;很多企业都采用微服务架构来支撑内部及对外的业务#xff0c;尤其是在高
并发大流量的电商业务场景下#xff0c;微服务…随着互联网的不断发展互联网企业的业务在飞速变化推动着系统架构也在不断地发生变化。
如今微服务技术越来越成熟很多企业都采用微服务架构来支撑内部及对外的业务尤其是在高
并发大流量的电商业务场景下微服务更是企业首选的架构模式。随着业务发展壮大用户量暴
涨单节点处理能力就会成为瓶颈如果并发量居高不下服务器很容易因负载过高而导致崩溃
宕机。出于高并发高可用的考虑项目就应该演变到分布式架构了。然而分布式环境下我们又
会面临更多的挑战需要去应对。比如1、分布式系统中接口繁多重试机制必不可少接口幂等性问题2、如果下单、付款分布在不同的服务上如何保证跨服务事务?3、高并发场景下资源共享问题4、分库分表后引发了ID重复问题那么我们需要如何解决分布式呢文章目录分布式全局唯一ID分布式全局唯一ID解决方案什么是雪花算法SonwFlake雪花算法SonwFlake落地实现雪花算法SonwFlake落地实现之Mybatis Plus分布式全局唯一ID 何为 ID 日常开发中我们需要对系统中的各种数据使用 ID 唯一表示比如用户 ID 对应且仅对应一个人商品 ID 对应且仅对应一件商品订单 ID 对应且仅对应一个订单。
为什么需要分布式ID 随着系统数据量越来越大单数据库压力太大无法维持性能所以可能就需要变成一主多从这样读写分离随着继续扩大一主多从也无法支撑了。这时就需要分库分表这样的话就会出现不同库表之间的数据id不能再依赖数据库自增的id而需要外部一种方式生成全局统一的唯一id。 分布式ID需要满足什么条件 ⭐唯一性全局必须唯一。 ⭐高性能不能在生成id上浪费过多的时间使其成为功能的性能瓶颈。 ⭐高可用必须保证可用性。 ⭐趋势递增这个不是必须的但是最好还是满足因为比如innodb索引就是按照键值排序的所以有序性可以让维护索引的效率提高。
分布式全局唯一ID解决方案 UUID Java本身提供了UUID这是一个唯一的字符串它可以不依赖其他工具在本地生成。
优点 ⭐代码实现简单 ⭐本地生成没有性能问题 ⭐全球唯一的数据迁移容易 缺点 ⭐每次生成的ID是无序的不满足趋势递增 ⭐UUID是字符串而且比较长占用空间大查询效率低 ⭐ID没有含义可读性差
依靠数据库自增字段生成 一个数据库压力大就搞多个数据库之后搞一个Step步长的概念每个数据库的自增起始值不同但是他们的增长Step相同。如下图所示。
优点 ⭐返回的分布式ID是趋势递增的id唯一。解决了单点问题即使一个宕机其他的还可以提供服务。
缺点 ⭐单点压力还是很大因为DB本身写操作就耗时间。最主要的问题还是扩容困难比如要加一台DB3是很难加进来的除非停机将所有DB的id进行修改同时修改步长。
号段模式 它没有采用新插入记录返回id的方案而是一个业务类型就是一行数据用一行数据来维护这个业务的自增id。服务来修改这行数据的max_id比如当前max_id值是0那么来给max_id加上1000如果返回成功就代表这个服务获得了1-1000这段分布式id之后将这段缓存在服务内部用完之后再来表中取。
优点 ⭐效率很高db的压力减小而且一张表可以维护很多业务的分布式id。
缺点 ⭐复杂性提高需要系统为了这个生成方案对号段进行缓存。
Redis自增key方案 通过incr命令让一个key自增自增后的值作为分布式id。
优点 ⭐有序递增可读性强 ⭐性能较高
缺点 ⭐占用带宽依赖Redis
雪花算法SnowFlake
SnowFlake生成的是一个Long类型的值Long类型的数据占用8个字节也就是64位。SnowFlake将64进行拆分每个部分具有不同的含义当然机器码、序列号的位数可以自定义也可以。
优点 ⭐本地生成不依赖中间件。 ⭐生成的分布式id足够小只有8个字节而且是递增的。
缺点 ⭐时钟回拨问题强烈依赖于服务器的时间如果时间出现时间回拨就可能出现重复的id。
什么是雪花算法SonwFlake Snowflake常称为雪花算法是Twitter开源的分布式ID生成算法生成后是一个64bit的long型数值组成部分引入了时间戳基本保持了自增。
雪花算法作用 ⭐生成的所有的id都是随着时间递增 ⭐分布式系统内不会产生重复的id
SnowFlake算法优点 ⭐高性能高可用生成时不依赖于数据库完全在内存中生成 ⭐高吞吐每秒钟能生成数百个的自增ID ⭐ ID自增存入数据库中索引效率高
SnowFlake算法的缺点 依赖系统时间如果系统时间被回调或者改变可能会造成ID冲突或者重复
雪花算法组成
注意 ⭕1位不用二进制中的最高位是符号位1表示负数0表示正数由于我们生成的雪花算法都是正整数所以这里是0 。 ⭕41位这里的时间戳是表示的是从起始时间算起到生成id时间所经历的时间戳也就是(当前时间戳-起始时间戳(固定)) 这里一共是41位范围就是0~ 2^41-1这么大的毫秒数转化成时间就是大约69年 。 ⭕10位这里的10位代表工作机器id一共可以部署在2^101024台机器上面10位又可以分为前面五位是数据中心id(0~31)后面五位是机器id(0-31) 。 ⭕共12位序列位一共可用0 ~ 2^12-1共4096个数字。
雪花算法SonwFlake落地实现 Hutool简介 Hutool是一个小而全的Java工具类库通过静态方法封装降低相关API的学习成本提高工作效率使Java拥有函数式语言般的优雅让Java语言也可以“甜甜的”。
引入相关依赖 hutool工具包已经提供雪花算法ID生成的工具类。
!--
https://mvnrepository.com/artifact/cn.hutool/hu
tool-all --
dependencygroupIdcn.hutool/groupIdartifactIdhutool-all/artifactIdversion5.7.13/version
/dependencySnowflake 分布式系统中有一些需要使用全局唯一ID的场景有些时候我们希望能使用一种简单一些的ID并且希望ID能够按照时间有序生成。Twitter的Snowflake 算法就是这种生成器。
//参数1为机器标识
//参数2为数据标识
Snowflake snowflake IdUtil.getSnowflake(1,
1);
long id snowflake.nextId();
//简单使用
long id IdUtil.getSnowflakeNextId();
String id snowflake.getSnowflakeNextIdStr();雪花算法SpringBoot引用 config文件
package com.example.demo.config;
import cn.hutool.core.lang.Snowflake;
import cn.hutool.core.net.NetUtil;
import cn.hutool.core.util.IdUtil;
import lombok.extern.slf4j.Slf4j;
import
org.springframework.stereotype.Component;
import javax.annotation.PostConstruct;
Slf4j
Component
public class IdGeneratorSnowflake {private long workerId 0; //第几号机房private long datacenterId 1; //第几号机器private Snowflake snowflake
IdUtil.getSnowflake(workerId, datacenterId);PostConstruct //构造后开始执行加载初始化工作public void init(){try{//获取本机的ip地址编码workerId
NetUtil.ipv4ToLong(NetUtil.getLocalhostStr());log.info(当前机器的workerId:
workerId);}catch (Exception e){e.printStackTrace();log.warn(当前机器的workerId获取失败 -
--- e);workerId
NetUtil.getLocalhostStr().hashCode();}}/**
分布式全局唯一ID实现_雪花算法SonwFlake落地实现之
Mybatis Plus
初始化工程* 生成id* return*/public synchronized long snowflakeId(){return snowflake.nextId();}
}雪花算法SonwFlake落地实现之Mybatis Plus 初始化工程
dependenciesdependencygroupIdorg.springframework.boot/groupIdartifactIdspring-bootstarter/artifactId/dependencydependencygroupIdorg.projectlombok/groupIdartifactIdlombok/artifactIdoptionaltrue/optional/dependencydependencygroupIdcom.baomidou/groupIdartifactIdmybatis-plus-bootstarter/artifactIdversion3.4.2/version/dependencydependencygroupIdmysql/groupIdartifactIdmysql-connectorjava/artifactId/dependencydependencygroupIdorg.springframework.boot/groupIdartifactIdspring-boot-startertest/artifactIdscopetest/scopeexclusionsexclusiongroupIdorg.junit.vintage/groupIdartifactIdjunit-vintageengine/artifactId/exclusion/exclusions/dependency/dependencies编写相关配置 在 application.yml 配置文件中添加 MySQL 数据库的相关配置
spring.datasource.driver-classnamecom.mysql.cj.jdbc.Driver
spring.datasource.urljdbc:mysql://192.168.66.1
00:3306/test?serverTimezoneUTC
spring.datasource.usernameroot
spring.datasource.password123456开启MapperScan扫描 在 Spring Boot 启动类中添加 MapperScan 注解扫描 Mapper 文件夹
SpringBootApplication
MapperScan(com.itbaizhan.sonwflake.mapper)
public class Application {public static void main(String[] args) {SpringApplication.run(Application.class,
args);}
}编码 编写实体类 User.java
Data
public class User {TableId(type IdType.ASSIGN_ID)// 雪花算法private Long id;private String name;private Integer age;private String email;
}编写Mapper
public interface UserMapper extends
BaseMapperUser {
}添加测试类 Testvoid createUser() {User user new User();user.setName(张三);user.setAge(18);user.setEmail(23472qq.com);userMapper.insert(user);}
