Tinyid 分布式ID生成器使用教程
2024-08-07 09:47:33作者:平淮齐Percy
项目介绍
Tinyid 是滴滴开发的一款分布式ID系统。它基于美团(Leaf)的 leaf-segment 算法升级而来,不仅支持数据库多主节点模式,还提供了 tinyid-client 客户端的接入方式,使用起来更加方便。Tinyid 只支持号段模式,不支持雪花模式。
特性
- 全局唯一的 long 型 ID
- 趋势递增的 ID
- 提供 http 和 java-client 方式接入
- 支持批量获取 ID
- 支持生成 1, 3, 5, 7, 9 序列的 ID
- 支持多个数据库的配置
适用场景
- 只关心 ID 是数字,趋势递增的系统
- 可以容忍 ID 不连续,可以容忍 ID 的浪费
不适用场景
- 类似于订单 ID 的业务,因生成的 ID 大部分是连续的,容易被扫库、或者推算出订单量等信息
项目快速启动
1. 克隆代码
git clone https://github.com/didi/tinyid.git
2. 创建数据库表
进入 tinyid-server 目录并使用提供的 SQL 文件创建表:
cd tinyid/tinyid-server/
mysql -u root -p < db.sql
3. 配置数据库
编辑 application.properties 文件,配置数据库连接信息:
cd src/main/resources/
vi application.properties
4. 启动服务
打包并启动 tinyid-server:
mvn clean package
java -jar target/tinyid-server-0.1.0-SNAPSHOT.jar
5. 使用 Java 客户端
在 Maven 项目中添加依赖:
<dependency>
<groupId>com.xiaoju.uemc.tinyid</groupId>
<artifactId>tinyid-client</artifactId>
<version>0.1.0-SNAPSHOT</version>
</dependency>
在 classpath 下创建 tinyid_client.properties 文件:
tinyid.server=localhost:9999
tinyid.token=0f673adf80504e2eaa552f5d791b644c
使用 Java 代码获取 ID:
Long id = TinyId.nextId("test");
List<Long> ids = TinyId.nextId("test", 10);
应用案例和最佳实践
案例一:电商订单系统
在电商订单系统中,使用 Tinyid 生成唯一的订单 ID。由于订单 ID 需要趋势递增且唯一,Tinyid 的号段模式非常适合这种场景。
案例二:日志系统
在日志系统中,使用 Tinyid 生成日志记录的唯一 ID。日志 ID 需要趋势递增,便于后续的日志分析和查询。
最佳实践
- 配置合适的号段长度(step),以支持高 QPS 需求。
- 使用 tinyid-client 客户端方式,减少对 tinyid-server 的频繁访问,减轻服务器压力。
- 定期检查和维护数据库表,确保 ID 生成的连续性和唯一性。
典型生态项目
1. 数据库中间件
Tinyid 可以与数据库中间件(如 MyCat、ShardingSphere)结合使用,为分库分表提供唯一的自增 ID。
2. 分布式缓存系统
Tinyid 可以与分布式缓存系统(如 Redis、Memcached)结合使用,为缓存数据提供唯一的自增 ID。
3. 消息队列系统
Tinyid 可以与消息队列系统(如 Kafka、RabbitMQ)结合使用,为消息记录提供唯一的自增 ID。
通过以上模块的介绍和实践,您可以快速上手并应用 Tinyid 分布式ID生成器,为您的系统提供高效、可靠的 ID 生成服务。
登录后查看全文
热门项目推荐
相关项目推荐
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00
项目优选
收起
deepin linux kernel
C
24
8
暂无简介
Dart
643
149
Ascend Extension for PyTorch
Python
203
219
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
654
282
React Native鸿蒙化仓库
JavaScript
248
317
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.13 K
631
本项目是CANN提供的是一款高效、可靠的Transformer加速库,基于华为Ascend AI处理器,提供Transformer定制化场景的高性能融合算子。
C++
77
100
仓颉编译器源码及 cjdb 调试工具。
C++
130
861
仓颉编程语言运行时与标准库。
Cangjie
134
873