分布式ID生成器解决方案SnowflakeX(送分)

heycoder 2017-11-25 03:55:34
什么情况下我们需要ID生成器?
数据库水平拆分的情况下,主键由于需要作为业务标识使用,需要唯一。
业务编号需要暴露给用户,但是又不想被用户猜到需要被隐藏的业务编号
业务编号需要体现业务信息,比如订单分类订单渠道等等

本次解决方案要应对的场景是?
数据库水平拆分的情况下,主键由于需要作为业务标识使用,需要唯一。

本次的ID生成器设计目标?
全局唯一
每秒可生成100W+
趋于递增(对索引友好)
高可用
可伸缩

文章贴过来会有格式问题,文章链接:https://ken.io/note/id-generate-solution-snowflakex
水平有限,如有错误,欢迎指证

请各位大佬轻拍
...全文
723 15 打赏 收藏 举报
写回复
用AI写文章
15 条回复
切换为时间正序
请发表友善的回复…
发表回复
heycoder 2017-12-01
  • 打赏
  • 举报
回复
引用 12 楼 l35740623 的回复:
我是老衲 SnowFlakeX 41bit留给毫秒时间,10bit给MachineID,也就是机器要预先配置,剩下12位留给Sequence。代码虽然露出来了,但其实已经不可用了。。。。 装逼
为什么不可用了?
huangyewei1 2017-12-01
  • 打赏
  • 举报
回复
刚好可以学习下
l35740623 2017-12-01
  • 打赏
  • 举报
回复
我是老衲 SnowFlakeX 41bit留给毫秒时间,10bit给MachineID,也就是机器要预先配置,剩下12位留给Sequence。代码虽然露出来了,但其实已经不可用了。。。。 装逼
heycoder 2017-12-01
  • 打赏
  • 举报
回复
引用 12 楼 l35740623 的回复:
我是老衲 SnowFlakeX 41bit留给毫秒时间,10bit给MachineID,也就是机器要预先配置,剩下12位留给Sequence。代码虽然露出来了,但其实已经不可用了。。。。 装逼
Twitter已经把master的代码移除了,不过是有trelease版本的:https://github.com/twitter/snowflake/releases/tag/snowflake-2010
heycoder 2017-11-27
  • 打赏
  • 举报
回复
引用 7 楼 u012898231 的回复:
这个和时间没什么关系。 就算是高可用主备的,你在A取ID是5,切换到了B取ID也是6了。现在redis一般集群的,更加没这个问题。
可能我这边看到的,跟你这边说的不是一个方案,http://hengyunabc.github.io/distributed-id-generator-based-on-redis/ 关于你说的,比较简单的方案,还请指教
heycoder 2017-11-27
  • 打赏
  • 举报
回复
引用 9 楼 u012898231 的回复:
理解了,这种方式更适用于场景:业务编号需要体现业务信息,比如订单分类订单渠道等等 中小型网站基本都够用了。不过,我个人更倾向于用数据库来记录步长以及业务信息。客户单批量生成缓存在本地使用的方式。
心灵之火. 2017-11-27
  • 打赏
  • 举报
回复
心灵之火. 2017-11-26
  • 打赏
  • 举报
回复
这种生成ID方法还没有通过redis取ID方便
心灵之火. 2017-11-26
  • 打赏
  • 举报
回复
这个和时间没什么关系。 就算是高可用主备的,你在A取ID是5,切换到了B取ID也是6了。现在redis一般集群的,更加没这个问题。
heycoder 2017-11-26
  • 打赏
  • 举报
回复
引用 5 楼 u012898231 的回复:
这种生成ID方法还没有通过redis取ID方便
利用redis来做也可以。不过redis来做的话,如果单节点故障切备用节点时,时间不一致等问题怎么解决? 还望指教
mcgrady66 2017-11-25
  • 打赏
  • 举报
回复
66666666,学习了
heycoder 2017-11-25
  • 打赏
  • 举报
回复
heycoder 2017-11-25
  • 打赏
  • 举报
回复
引用 1 楼 pany1209 的回复:
李德胜1995 2017-11-25
  • 打赏
  • 举报
回复
已经博主授权,源码转载自 https://pan.quark.cn/s/a50517ff69e2 ### Path Ranking 算法解析 #### 知识图谱推理基础 在对Path Ranking算法进行深入分析之前,有必要简要回顾知识图谱的基本概念及其重要性。 **知识表示**是指将现实世界中的各类知识转化成计算机能够存储和计算的形式。这种转化通常涉及将自然语言或非结构化数据转化为结构化数据,以便于计算机进行处理和分析。 **知识图谱**是以结构化的形式描述客观世界中概念、实体及其相互关系的模型。通过构建知识图谱,可以更清晰地理解数据之间的联系,这对于搜索引擎优化、智能问答系统等应用领域具有重要作用。例如,谷歌自2012年起就在其搜索结果中广泛采用了知识图谱技术,显著改善了用户的搜索体验。目前,知名的开放知识图谱包括Freebase、Yago、DBpedia和NELL等。 然而,知识图谱也面临着一些挑战,其中最为突出的是**不完备性**(关系缺失、属性缺失)和**错误关系**的存在。为了应对这些问题,**知识图谱推理**应运而生,即从已有的知识图谱中推导出新的实体间关系,这一过程也被称为**知识图谱补全**。 #### 知识图谱补全策略 知识图谱补全主要分为两大类:基于表示学习的方法和基于图特征的方法。 1. **基于表示学习的方法**:这类方法将知识图谱中的实体与关系映射到一个低维的连续向量空间中,以便于捕捉实体间的潜在语义特征。典型的模型有TransE等。这种方法的优势在于能够高效处理大规模数据,并且在许多情况下取得了良好的效果。 2. **基于图特征的方法**:这类方法利用从知识图谱中提取的图特征来进行预测。具体来说,就是通过观察实体间的路径特征来预测实体间的关...

51,407

社区成员

发帖
与我相关
我的任务
社区描述
Java相关技术讨论
javaspring bootspring cloud 技术论坛(原bbs)
社区管理员
  • Java相关社区
  • 小虚竹
  • 谙忆
加入社区
  • 近7日
  • 近30日
  • 至今
社区公告
暂无公告

试试用AI创作助手写篇文章吧