← 课程目录 🚀 从零到一
📐 学习维度 阶段4 · 第17章 分布式理论与方案 🚀 从零到一 📚 课程目录 🏠 首页 🛤️ 学习路径

17.2 分布式 ID:雪花算法与美团 Leaf

审校 2026-09-25 · 素材来源:L31-分布式理论(底稿改写)、会话#3、guanzi-mall复盘
📑 本篇章节导航 (共7节,点击直达)
候选者先过一遍筛雪花算法:64 位的排版艺术美团 Leaf:号段模式的双 Buffer一段可跑的迷你雪花踩坑清单面试怎么问一句话总结

分库分表(9.7)之后,数据库自增 ID 第一天就翻车:16 个库各自从 1 开始数,订单号撞成一片。分布式 ID(多节点协作下仍能全局唯一且趋势递增的 ID 生成方案)是数据量上台阶后的必答题——面试从「为什么不用 UUID」问起,一路问到时钟回拨。

候选者先过一遍筛

UUID:本地生成无协调、全局不撞。三处硬伤:无序——作为主键会把 B+ 树(9.2)插入搅成随机写,页分裂此起彼伏;太长——36 字符占空间、索引膨胀;无业务语义——排查时看不出这条 ID 是什么、来自哪。数据库号段表:一张表存当前最大值,取号时 UPDATE max_id = max_id + N——实现五分钟,但 DB 成了单点瓶颈,每取一次号一次行锁。自增步长方案:N 个库设不同起始值同步长(库1从1起、库2从2起、步长都是N)——简单但扩容要重新规划全部起始值,几乎不可运维。筛下来,主流答案收敛到两个:雪花算法(本地生成、无依赖)和 Leaf(号段改良、可控性强的服务化发号)。

雪花算法:64 位的排版艺术

雪花算法(Snowflake,用「时间戳+机器+序列号」拼出趋势递增唯一 ID 的本地生成算法)把一个 Long 拆成四段:


1bit 符号位(恒0) | 41bit 时间戳(ms) | 5bit 机房 | 5bit 机器 | 12bit 序列号
单机理论 409.6万/ms;时间戳可用约 69 年(自定义纪元起算)

设计品味在两个字:趋势递增——高位是毫秒时间,同毫秒内序列号自增,ID 天然按时间排好队。主键插入变成顺序追加(9.2 的最右插入),B+ 树爱得深沉;ID 本身携带时间信息,运维扫一眼就知道数据新鲜度。41+5+5+12 的分配不是圣旨:机房少的团队把机器位借给序列号,高峰更从容——位段是设计空间,不是教条。

时钟回拨是它的命门:NTP 校时把机器时间往回调,同毫秒+同序列号撞车,全局唯一性当场破产。工程对策四档:回拨很小(几毫秒)就自旋等时间追回来;回拨大直接抛异常拒绝发号并告警;百度 UidGenerator 预支未来时间片;美团 Leaf-snowflake 用 ZooKeeper 顺序节点分配 workerId,启动时校验时间——比本机时间回拨了就把这个 workerId 作废换新。四档对策说出来,「知道有坑」和「知道怎么填」就分开了。

还有个隐蔽的 workerId 分配问题:5+5 位最多 4096 个节点,谁来保证不重号?手工配置在容器时代是灾难(Pod 漂移、扩缩容),自动分配又依赖 ZK 或数据库——本地零依赖的雪花,在「机器身份管理」上又把依赖捡了回来。这个辩证关系值得在面试里主动提一句。

美团 Leaf:号段模式的双 Buffer

Leaf-segment(美团开源的号段发号服务:数据库预分配号段+本地双缓冲)的思路是「批发代替零售」:不每次取号都打数据库,而是一次拿一个号段。


表: biz_tag | max_id | step
订单服务取号: UPDATE leaf SET max_id = max_id + 1000
             → 拿到 [2001, 3000] 一整段,本地慢慢发

数据库压力骤降三个数量级——从「每号一次行锁」到「每千号一次」。双 Buffer 是精髓:当前号段用到 10% 时,异步预加载下一个号段——切换瞬间无感知,DB 抖一下也不影响发号。可用性账也漂亮:Leaf 服务双实例随机访问,DB 短暂不可用时本地号段还能撑很久。

和雪花的对比是选型必考:雪花本地生成零依赖、性能天花板高,但时钟回拨要自己扛、数字不带业务可读性;Leaf 号段模式强依赖 DB(虽已大幅减压)、ID 连续可被竞品估量单量(遮蔽方案:号段随机起点)。真实系统常见混搭:订单号用 Leaf(可读可控),日志流水用雪花(海量零依赖)——按业务挑 ID,不按信仰挑。

一段可跑的迷你雪花


public class MiniSnowflake {
    private long lastTs = 0L; private long seq = 0L;
    private final long workerId;                 // 0~4095
    private final long EPOCH = 1690000000000L;   // 自定义纪元

    public synchronized long nextId(long now) {
        if (now < lastTs)
            throw new IllegalStateException("时钟回拨,拒绝发号");
        if (now == lastTs) {
            seq = (seq + 1) & 4095;              // 序列号耗尽等下一毫秒
            if (seq == 0) while ((now = System.currentTimeMillis()) <= lastTs) {}
        } else { seq = 0; }
        lastTs = now;
        return ((now - EPOCH) << 22) | (workerId << 12) | seq;
    }
}

三十行写完,时钟回拨的处理就一行抛异常——工业版在这里填的是等待、换 workerId、监控告警一整套。手写迷你版的意义老规矩:知道每一段位是干嘛的,出问题知道往哪查。

最后补一层业务视角:发出来的 ID ≠ 对外的单号。订单号面向用户展示和客服口头沟通,设计诉求和内部主键不同——要短(口头可读)、要带业务语义(时间、渠道、业务类型前缀)、要不泄露单量(雪花和号段都天然递增,竞品每天下一单就能估你的 GMV)。常见做法是内部主键用雪花/Leaf 保性能,对外单号另拼一层:日期 + 业务码 + 随机混淆段(如 20260925-1073-8f2k)——两层各取所需。把「主键」和「单号」分开设计,是 ID 这个话题从面试八股落到工程的分水岭。

踩坑清单

面试怎么问

一句话总结

分布式 ID 的两大主流:雪花用「时间+机器+序列」在本地拼出趋势递增的唯一,Leaf 用号段批发把数据库压力摊薄千倍——前者怕时钟回拨,后者怕 DB 抖动;再加一层「内部主键与对外单号分离」的设计意识,选型就是完整的工程答卷。