MongoDB ObjectId() 是如何实现的 “千万级” 分布式唯一 ID？-六虎

“我正在参与「启航计划」”

本文开端，先提个问题：“MongoDB ObjectId() 生成的 id 是仅有的吗？”，答案在下文揭晓。

谈起分布式 ID，经常会聊到的一些计划是运用 Twitter 的 Snowflake 算法、UUID、数据库自增 ID 等。前些时刻看了下 MongoDB ObjectId() 的完成原理，也不失为一种好的完成思路，正如标题所描绘的，本文会给咱们共享下在 MongoDB 中是如何完成的 “千万级” 分布式仅有 ID。

MongoDB 一开端的规划便是用来做为分布式数据库，刺进数据时默许运用 _id 做为主键，下面这个 _id 便是 MongoDB 中开源的分布式体系 ID 算法ObjectId()生成的。

new ObjectId("632c6d93d65f74baeb22a2c9")

关于其组成需求指出一个误区，网上很多介绍 MongoDB ObjectId() 的文章，都有这样一段描绘：

// 过时的规矩，现在现已不用 机器标识 + 进程号
// 一种猜测，现在大多运用容器化，在容器内有独立的进程空间，它的进程号永久可能都为 1，还有创建几台虚拟机，其中的 hostname 可能也都为 localhost
4 字节的时刻戳 + 3 个字节机器标识码 + 2 个字节进程号 + 3 个字节自增数

很长一段时刻我也一直这样以为，直到前些时刻看了源码之后，发现中心的 3 个字节机器标识码 + 2 个字节进程号已被替换为 5 个字节的进程仅有标识，之后翻阅了 MongoDB 官方文档描绘也的确如此。

// 当时 ObjectId 完成规矩
4 字节的时刻戳（单位：秒） + 5 个字节的进程仅有标识 + 3 个字节自增数

这个组成规矩反映出几个问题：

由于前 4 个字节运用了时刻戳，以 “秒” 为单位，总体上是递增的，也便是为什么咱们有时能够运用 _id 替换创建时刻做为排序规矩的根据，别的一个疑问，如果用 _id 做为时刻筛选条件，该怎么做？
中心 5 个字节随机值，是进程仅有标识，在进程发动之后，只需求生成一次。
在一些约束条件下谈 ObjectId() 的 “仅有性”，后 3 个字节为自增数，1 个字节等于 8 位，在 1 秒之内，能够发生 Math.pow(2, 24) - 1 = 16777215 个仅有 ID，因此文章最初我用了 “千万级” 描绘，这现已够了，当下突破这个约束简直不太可能。

完成自定义 UniqueId()

下面让咱们开端实践，参阅源码写一个最简化的 ObjectId()，真正了解它的完成原理。编程语言为 JavaScript，运转环境 Node.js。

完成会用到一些 Node.js 的体系模块 API 和运算符，每一步都会对用到的知识做一个讲解。

初始化

依照它的组成规矩，分步完成，首要，创建一个自定义的类，这里我命名为 UniqueId，并初始化一个 12 Byte 的 Buffer。

Buffer 是 Node.js 中的一个体系模块，Buffer.alloc() 依照指定字节数创建一段连续的内存空间，用来处理二进制数据，默许运用 0 进行填充，也能够指定字符进行填充，参见 API Buffer.alloc(size[, fill[, encoding]])。

const kId = Symbol('id');
class UniqueId {
  constructor() {
    this[kId] = UniqueId.generate()
  }
  get id() {
    return this[kId];
  }
  static generate() {
    const buffer = Buffer.alloc(12);
    return buffer;
  }
}

运转之后输出一个 0 填充的 12 Byte 的 buffer。

(new UniqueId()).id -> <Buffer 00 00 00 00 00 00 00 00 00 00 00 00>

4 Byte 时刻戳

Date.now() 获取当时时刻毫秒数，除以 1000 准确到秒，经过 Math.floor() 函数向下取整，取到一个整数。

buffer.writeUInt32BE()** 将一个无符号的 32 位整数以高位优先（大端写入）办法写入到 buffer 中**，32 位在这里占用的是 4 Byte，offset 设置为 0（默许 offset 便是 0），将时刻戳写入到 buffer 的前 4 个字节。

const kId = Symbol('id');
class UniqueId {
  constructor() {
    this[kId] = UniqueId.generate()
  }
  get id() {
    return this[kId];
  }
  static generate() {
    const buffer = Buffer.alloc(12);
    // 4-byte timestamp
+    const time = Math.floor(Date.now() / 1000);
+    buffer.writeUInt32BE(time, 0);
+    return buffer;
  }
}

运转之后能够看到 buffer 的前 4 个字节已被填充，对 Node.js Buffer 模块不太了解的，看到这个成果又迷惑了，buffer 里面存储的既不是二进制也不是十进制，到底是啥？

(new UniqueId()).id -> <Buffer 63 2e 90 c0 00 00 00 00 00 00 00 00>

Node.js 中的 buffer 是用来处理二进制数据的，例如下面的 “2e” 二进制为 00101110，那么二进制办法在用户这一侧看起来明显不是很便利，Node.js buffer 中咱们所看到的其实是内存实际存储的值，转换为了十六进制表明（00 ～ ff）。

记住一点：“计算机底层运用的二进制，如果是用来展示通常是 10 进制，编程用的时分会采用 16 进制，内存地址编码运用的便是 16 进制。” 内存办理这块想了解更多可参阅这篇文章为什么递归会形成栈溢出？探究程序的内存办理！https://github.com/qufei1993/blog/issues/44

如果想取到存进去的时刻戳，运用 buffer.readUInt32BE(offset) 办法，默许 offset 为 0，从 0 位开端读取前 4 Byte。

5 Byte 进程仅有标识

中心 5 Byte 没有规则完成办法，保证进程仅有就好，运用 Node.js 体系模块 crypto 供给的 randomBytes() 办法生成一个长度为 5 的随机字节。

+ const crypto = require('crypto');
+ let PROCESS_UNIQUE = null;
const kId = Symbol('id');
class UniqueId {
  constructor() {
    this[kId] = UniqueId.generate()
  }
  get id() {
    return this[kId];
  }
  static generate() {
    const buffer = Buffer.alloc(12);
    // 4-byte timestamp
    const time = Math.floor(Date.now() / 1000);
    buffer.writeUInt32BE(time, 0);
+    // 5-byte process unique
+    if (PROCESS_UNIQUE === null) {
+      PROCESS_UNIQUE = crypto.randomBytes(5);
+    }
+    buffer[4] = PROCESS_UNIQUE[0];
+    buffer[5] = PROCESS_UNIQUE[1];
+    buffer[6] = PROCESS_UNIQUE[2];
+    buffer[7] = PROCESS_UNIQUE[3];
+    buffer[8] = PROCESS_UNIQUE[4];
    return buffer;
  }
}

3 Byte 自增数

最终 3 Byte 为自增数，是要害的一部分，在 1 秒钟内、进程标识仅有的情况下，一个 ObjectId() 能生成多少个不重复的 ID，由这 3 Byte 决议。

自增数不是简单的了解为 0、1、2… 这样顺次生成的，完成步骤为：

Math.random() * 0xffffff 首要生成一个 3 Byte 的随机数做为起始值（这样也加大了发生重复的机率），声明在类的静态属性上（相当于 UniqueId.index = Math.random() * 0xffffff，0xffffff是一个十六进制数，等价于十进制的 16777215。
每次调用 **getInc()** 初始的随机数都会 +1，做为当时的随机自增数 inc，并做了取余操作，能够放心这个自增数永久都不会大于 16777215。
buffer 中的每个字节用 16 进制表明，一个字节等于 8 位，最大能表明的数用二进制表明是11111111，转为 16 进制是 0xff，转为十进制是 255。现在咱们知道了 buffer 中的一个字节所表达的 10 进制是不能大于 255 的，想完成一个字节寄存的数不能大于 255 一个完成是做二进制与运算，本文用的也是这种办法，举个与运算的例子：

16777215 二进制表明： 11111111 11111111 11111111
255(0xff)二进制表明： 00000000 00000000 11111111
与运算成果： 					00000000 00000000 11111111
# 与运算是都为 1 则为 1，这里的成果最大是不会超越 255 的

在咱们的完成中将当时随机自增数 inc 与 0xff 做与运算，等同于将 inc 依照二进制办法把最右边 8 位赋值给了 buffer 的最终一个字节（**buffer[11] = inc & 0xff**），同理将 inc 向右偏移 8 位与 0xff 做与运算赋值给 buffer[10]，inc 向右偏移 16 位与 0xff 做与运算赋值给 buffer[9]。

const crypto = require('crypto');
let PROCESS_UNIQUE = null;
const kId = Symbol('id');
class UniqueId {
+ static index = Math.floor(Math.random() * 0xffffff);
  constructor() {
    this[kId] = UniqueId.generate()
  }
  get id() {
    return this[kId];
  }
+ static getInc() {
+  return (UniqueId.index = (UniqueId.index + 1) % 0xffffff);
+ }
  static generate() {
    const buffer = Buffer.alloc(12);
    // 4-byte timestamp
    const time = Math.floor(Date.now() / 1000);
    buffer.writeUInt32BE(time, 0);
    // 5-byte process unique
    if (PROCESS_UNIQUE === null) {
      PROCESS_UNIQUE = crypto.randomBytes(5);
    }
    buffer[4] = PROCESS_UNIQUE[0];
    buffer[5] = PROCESS_UNIQUE[1];
    buffer[6] = PROCESS_UNIQUE[2];
    buffer[7] = PROCESS_UNIQUE[3];
    buffer[8] = PROCESS_UNIQUE[4];
+   // 3-byte counter
+   const inc = UniqueId.getInc();
+   buffer[11] = inc & 0xff;
+   buffer[10] = (inc >> 8) & 0xff;
+   buffer[9] = (inc >> 16) & 0xff;
+   return buffer;
  }
}

以下为最终的生成成果，能够看到每个字节都被 1 个 16 进制数所填充。

(new UniqueId()).id -> <Buffer 63 33 01 c2 55 58 38 cf e0 be 75 46>

总结

本文从理论到实践，完成了一个自定义的 UniqueId()，这是一个最简化的 MongoDB ObjectId() 完成，代码量也不多，感兴趣的能够自己完成一遍，加深了解。

文章最初提到了一个问题 “MongoDB ObjectId() 生成的 id 是仅有的吗？” 答案便是 Yes 也是 No，在 1 秒钟内且进程仅有标识不重复的情况下，根据后 3 Byte 自增数能够得到生成的最大不重复 id 为 **2^24 - 1 = 16777215** 个仅有 ID。

最终，留一个问题，为什么 MongoDB ObjectId() 能够不用 new 就能生成一个 ID 呢？并且显示的成果和上面自定义的 UniqueId() 也不一样，关于 MongoDB ObjectId() 还有很多玩法，下一篇介绍。

console.log(ObjectId());     // 原生 ObjectId 输出成果：new ObjectId("633304ee48d18c808c6bb23a")
console.log(new UniqueId()); // 自定义 UniqueId 输出成果：UniqueId { [Symbol(id)]: <Buffer 63 33 04 ee f0 b2 b8 1f c3 15 53 2c> }

本文首发于个人 Blog，欢迎重视！

MongoDB ObjectId() 是如何实现的 “千万级” 分布式唯一 ID？

完成自定义 UniqueId()

初始化

4 Byte 时刻戳

5 Byte 进程仅有标识

3 Byte 自增数

总结

相关文章

数据抓取：抓取手机设备各种数据

实际项目中遇到的MySQL调优问题及解决方式

如何解压Unity WebGL游戏的UnityWebData1.0资源包

怎么询问chatGPT得到更好答案

作者信息