標(biāo)識符 ID 是我們作為軟件工程師再熟悉不過的字段和概念了，我們經(jīng)常打交道的 MySQL 就經(jīng)常使用 ID 作為主鍵，ID 在軟件工程甚至生活中都是一個非常常見的概念，我們?yōu)槭裁纯偸切枰跇I(yè)務(wù)或者系統(tǒng)中引入『無意義』的 ID 呢，在這里先來看兩個有意義的 ID：
- 日常生活中使用的 18 位身份證號；
- 支付票據(jù)上面的 20191002XXXXXXX；
上述的兩個 ID 是否會有重復(fù)的可能？這對于今天想要分析和討論的事情密切相關(guān)，在這篇文章中作者就會分析『為什么總是需要無意義的 ID』。
概述
我們首先需要解決的問題是 ID 到底是什么，ID 一般會被認(rèn)為是 identifier 的縮寫，在 Wikipedia 上我們能夠找到這樣的定義：
An identifier is a name that identifies (that is, labels the identity of) either a unique object or a unique class of objects, where the "object" or class may be an idea, physical [countable] object (or class thereof), or physical [noncountable] substance (or class thereof). The abbreviation ID often refers to identity, identification (the process of identifying), or an identifier (that is, an instance of identification). An identifier may be a word, number, letter, symbol, or any combination of those.
標(biāo)識符（identifier）就是一個可以唯一識別一個對象或者物體的名稱，被識別的對象可能是一些想法、物理上可數(shù)的對象或者物理上的不可數(shù)物質(zhì)。它的前綴 ID 經(jīng)常被用來表示身份、鑒定過程或者標(biāo)識符，其中的標(biāo)識符可能是一個單詞、數(shù)字、字母、符號或者上述元素的任意組合。
在標(biāo)識符的定義中我們需要特別注意的是『唯一』這個詞，這個詞是其定義中最關(guān)鍵的信息，標(biāo)識符一定能夠幫助我們識別唯一一個的對象或者物體，如果它不能實現(xiàn)這個作用，就不是標(biāo)識符。唯一這個詞幫助我們確定了標(biāo)識符的特性，也為我們后面的分析過程鋪平了道路。
設(shè)計
在這一節(jié)中我們將開始分析為什么很多業(yè)務(wù)或者場景中都需要一個唯一 ID，例如：消息隊列、TCP 通信等場景，我們可以將這一問題歸結(jié)到兩個原因上：
- 需要通過唯一的標(biāo)識符對數(shù)據(jù)或者事件進行識別或者去重；
- 只有無意義的標(biāo)識符才會絕對唯一的，任何攜帶其他信息的標(biāo)識都可能重復(fù)；
唯一性
消息隊列往往需要對外保證服務(wù)質(zhì)量，可能需要提供包括最多一次、最少一次和正好一次在內(nèi)的服務(wù)質(zhì)量，由于網(wǎng)絡(luò)可能存在超時等不確定性，當(dāng)我們想要實現(xiàn)正好一次時，就一定需要一種機制能夠在接收方識別發(fā)送方發(fā)出的重復(fù)消息，在這時就需要使用唯一的標(biāo)識符來解決這個問題：
我們在之前的系列文章 為什么 TCP 建立連接需要三次握手 提到的 TCP 連接中的序列號也是一個唯一的標(biāo)識符，它能夠幫助我們判斷對數(shù)據(jù)進行去重，保證應(yīng)用層的協(xié)議不會收到異常的數(shù)據(jù)包，這些場景都需要用到標(biāo)識符的唯一性，唯一性為我們帶來的就是精確識別對象的能力。
在與網(wǎng)絡(luò)相關(guān)的場景下，使用唯一 ID 的例子非常普遍，假如我們想通過支付寶或者微信的 API 向其他人發(fā)起一筆轉(zhuǎn)賬，如果這次請求發(fā)生了超時，那么我的這筆轉(zhuǎn)賬請求到底有沒有被處理呢？
當(dāng)前的節(jié)點對于這筆轉(zhuǎn)賬請求的結(jié)果是不知道的，如果這時重新請求可能會發(fā)生二次轉(zhuǎn)賬這類嚴(yán)重的問題，但是如果不重新請求，轉(zhuǎn)賬可能沒有生效，這時如果我們引入一個無意義的 ID 來幫助接收方識別請求的唯一性就能很好地解決這個問題：
- 如果接收方已經(jīng)成功處理 ID 對應(yīng)的請求，那么就直接返回；
- 如果接收方?jīng)]有處理 ID 對應(yīng)的請求，就正常進行處理；
為了保證請求的唯一性，根據(jù)業(yè)務(wù)對于唯一性要求的強弱，我們需要在接收方對 ID 進行存儲，可以在內(nèi)存中，也可以在數(shù)據(jù)庫中，最重要的是唯一的 ID 為接收方提供了判斷重復(fù)的重要依據(jù)。
除了在不穩(wěn)定的網(wǎng)絡(luò)中，數(shù)據(jù)庫也包含 ID 標(biāo)識符這一概念，我們在數(shù)據(jù)庫中往往叫做主鍵，它在一般情況下都是一個遞增的唯一整數(shù)，絕大多數(shù)的表都會使用 ID 作為表的主鍵來保證數(shù)據(jù)的唯一性，當(dāng)我們想要對數(shù)據(jù)進行增刪改查等操作時，使用主鍵 ID 查詢數(shù)據(jù)也是性能最優(yōu)并且最不容易出現(xiàn)問題的做法。
無意義
無意義的意思其實就是 ID 中不應(yīng)該包含任何與具體場景或者業(yè)務(wù)相關(guān)的內(nèi)容，包含這些內(nèi)容并不是不可以，只是一旦出現(xiàn)這些內(nèi)容，要么 ID 重復(fù)的可能性會增加，這很可能對我們的業(yè)務(wù)邏輯造成比較嚴(yán)重的影響，以我們的身份證號為例，它的 18 位數(shù)字（或符號）大多都是有意義的。
這 18 位數(shù)字中的前 6 位表示的是地區(qū)，也就是省份、城市和區(qū)縣，隨后的 8 位表示的是出生年月日，接下來的 3 位才同時表示 ID 和性別，最后 1 位用于做校驗碼防止出現(xiàn)身份證號輸錯的情況。用上述圖中的黃色部分中有一半的數(shù)字是用來表示出生的男性，另一半表示出生的女性，所以如果同一個地區(qū)的同一天，同時出生了 501 位男性或者女性就會導(dǎo)致潛在的重復(fù)問題。
上面談到的問題其實也是我們在各種業(yè)務(wù)場景中經(jīng)常能夠遇到的問題，18 位的數(shù)字中真正用于表示序列的 ID 其實只有 1000 的一半，如果 18 位數(shù)都是無意義的，那它們可以表示 10 億億個人，但是一旦在 ID 中引入了業(yè)務(wù)上的具體信息，就增加了沖突的可能性。
業(yè)務(wù)記錄上主鍵的長度往往都是固定的，大多數(shù)業(yè)務(wù)的主鍵都會使用整數(shù)，它的上限一般就是 2^64，如果這些位數(shù)都用來表示記錄的 ID，那么在有生之年基本上是不可能被使用完的，但是一旦我們將業(yè)務(wù)信息加入 ID，就會讓原本無意義的 ID 變得有意義從而影響它的唯一性。
另一個比較類似的例子其實是分布式的 ID 生成器，Snowflake 算法會為 64 個比特的整數(shù)賦予不同的信息：
范圍長度作用0-01不使用1-4141毫秒級時間戳42-465數(shù)據(jù)中心標(biāo)識符47-515機器標(biāo)識符52-6312序列號
從這個設(shè)計來看，我們的假設(shè)其實是一臺機器上一毫秒最多只能生成 4096 個 ID，一旦超過了這個這個數(shù)量就有可能導(dǎo)致 ID 沖突或者亂序，從而失去其唯一性；這個算法中涉及的時間戳、數(shù)據(jù)中心標(biāo)識符、機器標(biāo)識符都沒有辦法解決唯一性的問題，哪怕這三者完全相等，最終還是有沖突的可能，我們?nèi)匀恍枰褂脽o其他意義的序列號來保證 ID 的唯一。
總結(jié)
其實不難看出，使用無意義 ID 的主要目的就是利用它的唯一性保證對象的標(biāo)識符不會發(fā)生沖突，無意義 ID 的唯一作用就是保證唯一性，這能幫助我們避免業(yè)務(wù)字段可能存在潛在沖突的可能，這也提示我們想要使用聯(lián)合字段構(gòu)成主鍵時一定要深思熟慮。
如果我們想要在具有唯一性的標(biāo)識符中加入業(yè)務(wù)信息，一定要注意這可能會減少用于保證唯一性的『空間』，當(dāng)然對于一個足夠大的空間來說，這其實并沒有什么問題；但是類型為 int64 的 ID 中加入業(yè)務(wù)數(shù)據(jù)還是需要仔細(xì)思考可擴展性以及預(yù)留的信息是否足夠業(yè)務(wù)的發(fā)展。
到最后，我們還是來看一些比較開放的相關(guān)問題，有興趣的讀者可以仔細(xì)思考一下下面的問題：
- 軟件工程還有哪些場景利用了 ID 的唯一性？
- 在日常生活中除了身份證號之外，還有哪些 ID 也有比較高的沖突可能性？
