記一次 “雪花算法” 造成的生產事故的排查記錄
官網:www.passjava.cn
你好,我是悟空。
本文主要內容如下:
前言
最近生產環境遇到一個問題:
現象:創建工單、訂單等地方,全都創建數據失敗。
初步排查:報錯信息爲duplicate key
,意思是保存數據的時候,報主鍵 id 重複,而這些 id 都是由雪花算法生成的,按道理來說,雪花算法生成的 ID 是唯一 ID,不應該出現重複的 ID。
大家可以先猜猜是什麼原因。
有的同學可能對雪花算法
不熟悉,這裏做個簡單的說明。(熟悉的同學可以跳到第二個段落)
一、雪花算法
snowflake
(雪花算法):Twitter 開源的分佈式 id 生成算法,64 位的 long 型的 id,分爲 4 部分:
-
1 bit:不用,統一爲 0
-
41 bits:
毫秒時間戳
,可以表示 69 年的時間。 -
10 bits:5 bits 代表機房 id,5 個 bits 代表機器 id。最多代表 32 個機房,每個機房最多代表 32 臺機器。
-
12 bits:同一毫秒內的 id,最多 4096 個不同 id,自增模式
優點:
-
毫秒數在高位,自增序列在低位,整個 ID 都是趨勢遞增的。
-
不依賴數據庫等第三方系統,以服務的方式部署,穩定性更高,生成 ID 的性能也是非常高的。
-
可以根據自身業務特性分配 bit 位,非常靈活。
缺點:
- 強依賴機器時鐘,如果機器上時鐘回撥(可以搜索 2017 年閏秒 7:59:60 找到相關問題),會導致發號重複或者服務會處於不可用狀態。
閏秒就是通過給 “世界標準時間” 加(或減)1 秒,讓它更接近“太陽時”。例如,兩者相差超過 0.9 秒時,就在 23 點 59 分 59 秒與 00 點 00 分 00 秒之間,插入一個原本不存在的“23 點 59 分 60 秒”,來將時間調慢一秒鐘。
看了上面的關於雪花算法的簡短介紹,想必大家能猜出個一二了。
雪花算法和時間是強關聯的,其中有 41 位是當前時間的時間戳,那麼會不會和時間有關?
二、排查
2.1 雪花算法有什麼問題?
既然是雪花算法的問題,那我們就來看下雪花算法出了什麼問題:
(1)What:雪花算法生成了重複的 ID,這些 ID 是什麼樣的?
(2)Why:雪花算法爲什麼生成了重複的 key
第一個問題,我們可以通過報錯信息發現,這個重複的 ID 是 -1
,這個就很奇怪了。一般雪花算法生成的唯一 ID 如下所示,我分別用二進制和十進制來表示:
十進制表示:2097167233578045440
二進制表示:0001 1101 0001 1010 1010 0010 0111 1100 1101 1000 0000 0010 0001 0000 0000 0000
找到項目中使用雪花算法的工具類,生成 ID 的時候有個判斷邏輯:
當
當前時間
小於上次的生成時間
就會返回-1
,所以問題就出在這個邏輯上面。(有的雪花算法是直接拋異常)
if (timestamp < this.lastTimestamp) {
return -1;
}
由於每次 timestamp
都是小於 lastTimeStamp
,所以每次都返回了 -1,這也解釋了爲什麼生成了重複的 key。
2.2 時鐘回撥或跳躍
那麼問題就聚焦
在爲什麼當前時間
還會小於上次的生成時間
。
下面有種場景可能發生這種情況:
首先假定當前的北京時間是 9:00:00。另外上次生成 ID 的時候,服務器獲取的時間 lastTimestamp=10:00:00,而現在服務器獲取的當前時間 timestamp=09:00:00,這就相當於服務器之前是獲取了一個未來時間,現在突然跳躍
到當前時間。
而這種場景我們稱之爲時鐘回撥
或時鐘跳躍
。
時鐘回撥:服務器時鐘可能會因爲各種原因發生不準,而網絡中會提供 NTP 服務來做時間校準,因此在做校準的時候,服務器時鐘就會發生時鐘的跳躍或者回撥問題。
2.3 時鐘同步
那麼服務器爲什麼會發生時鐘回撥或跳躍呢?
我們猜測是不是服務器上的時鐘不同步後,又自動進行同步了,前後時間不一致。
首先我們的每臺服務器上都安裝了 ntpdate
軟件,作爲 NTP 客戶端,會每隔 10 分鐘
向 NTP 時間服務器
同步一次時間。
如下圖所示,服務器 1 和 服務器 2 部署了應用服務,每隔 10 分鐘向時間服務器
同步一次時間,來保證服務器 1 和服務器 2 的時間和時間服務器
的時間一致。
每隔 10 分鐘同步的設置:
*/10 * * * * /usr/sbin/ntpdate <ip>
另外時間服務器會向 NTP Pool
同步時間,NTP Pool 正在爲世界各地成百上千萬的系統提供服務。它是絕大多數主流 Linux 發行版和許多網絡設備的默認 “時間服務器”。(參考 ntppool.org)
那問題就是 NTP 同步出了問題??
2.4 時鐘不同步
我們到服務器上查看了下時間,確實和時鐘服務器不同步,早了幾分鐘。
當我們執行 NTP 同步的命令後,時鐘又同步了,也就是說時間回撥了。同步的命令如下:
ntpdate <時鐘服務器 IP>
在產生事故之前,我們重啓過服務器 1。我們推測服務器重啓後,服務器因網絡問題沒有正常同步。而在下一次定時同步操作到來之前的這個時間段,我們的後端服務已經出現了因 ID 重複導致的大量異常問題。
這個 NTP 時鐘回撥的偶發現象並不常見,但時鐘回撥確實會帶了很多問題,比如潤秒
問題也會帶來 1s 時間的回撥。
爲了預防這種情況的發生,網上也有一些開源解決方案。
三、解決方案
(1)方式一:使用美團 Leaf
方案,基於雪花算法。
(2)方式二:使用百度 UidGenerator,基於雪花算法。
(3)方式三:用 Redis 生成自增的分佈式 ID。弊端是 ID 容易被猜到,有安全風險。
3.1 美團的 Leaf 方案
美團的開源項目 Leaf
的方案:採用依賴 ZooKeeper
的數據存儲。如果時鐘回撥的時間超過最大容忍的毫秒數閾值,則程序報錯;如果在可容忍的範圍內,Leaf 會等待時鐘同步到最後一次主鍵生成的時間後再繼續工作。
重點就是需要等待時鐘同步!
3.2 百度 UidGenerator 方案
百度UidGenerator
方案不在每次獲取 ID 時都實時計算分佈式 ID,而是利用 RingBuffer 數據結構,通過緩存的方式預生成一批唯一 ID 列表,然後通過 incrementAndGet() 方法獲取下一次的時間,從而脫離了對服務器時間的依賴,也就不會有時鐘回撥的問題。
重點就是預生成一批 ID!
Github 地址:
https://github.com/baidu/uid-generator
四、總結
本篇通過一次偶發的生產事故,引出了雪花算法的原理、雪花算法的不足、對應的開源解決方案。
雪花算法因強依賴服務器的時鐘,如果時鐘產生了回撥,就會造成很多問題。
我們的系統雖然做了 NTP 時鐘同步,但也不是 100% 可靠,而且潤秒
這種場景也是出現過很多次。鑑於此,美團和百度也有對應的解決方案。
最後,我們的生產環境也是第一次遇到因 NTP 導致的時鐘回撥,而且系統中用到雪花算法的地方並不多,所以目前並沒有採取以上的替換方案。
雪花算法的代碼已經上傳到 Gitlab:
https://github.com/Jackson0714/PassJava-Platform/blob/master/passjava-common/src/main/java/com/jackson0714/passjava/common/utils/SnowflakeUtilV2.java
參考資料:
https://time.geekbang.org/dailylesson/detail/100075739
https://blog.csdn.net/liangcsdn111/article/details/126103041
https://www.jianshu.com/p/291110ca60fc
關於我
8 年互聯網開發經驗,擅長微服務、分佈式、架構設計。目前在一家大型上市公司從事基礎架構和性能優化工作。
InfoQ 簽約作者、藍橋簽約作者、阿里雲專家博主、51CTO 紅人。
我是悟空,努力變強,變身超級賽亞人!
本文由 Readfog 進行 AMP 轉碼,版權歸原作者所有。
來源:https://mp.weixin.qq.com/s/i9zRoDeuo2poPizlmpjPBA