从根上理解MongoDB的ObjectId生成原理！

想写这篇文章好久了，一直抽不出时间。这两天端午节放假，我和娃都泡在图书馆，在他看书的空闲期，我拿出电脑写下了本文。

我们都知道，在分布式系统中，分布式 ID 有很多特殊的要求，其中之二就是要求各个 ID 必须全局唯一，且 ID 能够趋势递增。那么 MongoDB 作为一个分布式 NoSQL 数据库，它的 ObjectID 是一段字符串，是 UUID 吗？不同机器生产的 ID 会相同吗？这段字符串排序没有纯数字主键好排吧？等等，带着这样的疑问，我们一起来看看 Mongo 的 ObjectID 到底有何神秘之处！

先来看 mongo 插入一条记录：

db.xttblog.insert({"name":"","age":88,"url":"www.xttblog.com"})

执行上面的语句后，收到Inserted 1 record(s) in 64ms信息就代表插入成功。插入成功后，我们进行查询。

db.getCollection('xttblog').find({})

查询的结果如下图所示：

上图中，多出了一个_id，它是 ObjectId 类型。它是一个 24 位的字符串：60c468e6101bf215dc9fa835。

这个 24 位的字符串，虽然看起来很长，也很难理解，但实际上它是由一组十六进制的字符构成，每个字节(byte)占两位的十六进制数字，总共用了 12 字节的存储空间。相比 MYSQL int 类型的 4 个字节，MongoDB 的主键_id确实多出了很多字节。不过按照现在的存储设备，多出来的字节应该不会成为什么瓶颈。只要它能够解决我们的业务问题，我们根本就不在乎这点存储空间。

MongoDB 的这种设计，实际上体现出了它的空间换时间的思想。官网中对 ObjectId 的规范有以下描述：

上面的这个图中，有一个重点信息。

4 字节的 timestamp

timestamp 就是时间戳。将刚才生成的 ObjectId 的前 4 位进行提取“60c468e6”，然后按照十六进制转为十进制，变为1623484646，这个数字就是一个时间戳，精确到秒。

通过时间戳的转换，我们就能看清它的真面目了。最终是一个完整的日期时间格式，如下图所示。

Machine

ObjectId 规范中，还描述了，有一个占 3 个字节的 Machine(机器)。也就是说，字符串60c468e6101bf215dc9fa835中的第 9 到 15 位，101bf2这三个字节是所在主机的唯一标识符，一般是机器主机名的散列值，这样就确保了不同主机生成不同的机器的 hash 值，确保在分布式中不造成冲突，这也就是说在同一台机器生成的 ObjectId 中间（第9到15位）的字符串都是一模一样的原因。

PID

规范中中还描述了，还有两个字节的 process id(进程 ID)。上面的 Machine 是为了确保在不同机器产生的 ObjectId 不冲突，而 pid 就是为了在同一台机器不同的 mongodb 进程中产生的 ObjectId 不冲突。那么接着截取 4 位字符，15dc就是产生 ObjectId 的进程标识符。

实际上，你也可以把这个 16 进制的字符串15dc转换成 10 进制，然后在机器上通过 ps 命令看看，mongodb 的进程 pid 是不是相同的。

INC

规范中还描述了，最后 3 字节是 counter，也就是通过 INC 自增计数器实现的。前面的九个字节是保证了一秒内不同机器不同进程生成 ObjectId 不冲突，最后面的这三个字节9fa835是一个自动增加的计数器，用来确保在同一秒内产生的 ObjectId 也不会发生冲突，允许 256 的 3 次方等于 16777216 条记录的唯一性。也就是说每秒钟可以产生 16777216 个 ID，足够我们使用了，如果还不够，我们可以分机器，分集群。或者让客户端产生 ObjectId（客户端生成 ObjectId 我们后面再单独来讨论）。

总结

现在我们来做个总结，ObjectId 的前 4 个字节时间戳，记录了文档创建的时间；接下来 3 个字节代表了所在主机的唯一标识符，确定了不同主机间产生不同的 ObjectId；后 2 个字节的进程 id，决定了在同一台机器下，不同 mongodb 进程产生不同的 ObjectId；最后通过 3 个字节的自增计数器，确保同一秒内产生 ObjectId 的唯一性。

ObjectId 的这个主键生成策略，很好地解决了在分布式环境下高并发情况主键唯一性问题，非常值得我们学习和借鉴。

： » 从根上理解MongoDB的ObjectId生成原理！