☕ 分布式 ID

特点

• 全局唯一
  • 不可重复
  • 必要条件
• 单调递增
  • 保证数据库的顺序写入
  • 非必要添加，需要根据业务需求

1. UUID

1. 组成形式：
   • 32 个 16 进制数 + 4 个 -
   • 8-4-4-4-12 的形式
   • 例：12345678-9abc-def0-1234-56789abcdef0
2. 特点：
   • 无外部依赖，本地生成，性能高
   • 长度固定为 36 位的字符串，字段长度较长，空间占用大
   • ID 无序，若作为数据库主键，无法顺序写入，性能受到影响
   • 无法代表实际含义
   • 保护安全隐私，外人无法通过 ID 直接得出业务隐私

---

2. 雪花算法

1. 组成形式：
   • 64 位表示一个 ID，分割为 4 部分
   • 具体形式：
     • 1 位：
       • 固定为 0
     • 41 位：
       • 表示时间戳，精确到 毫秒，可使用 69 年
     • 10 位：
       • 表示机器标识，最多支持 1024 个节点
       • 还可以继续拆分为 机房 ID + 机器 ID
     • 12 位：
       • 表示序列号，最多支持一个机器节点一个毫秒中 4096 个 ID 号
2. 特点：
   • 无外部依赖，可以通过 Java 代码生成
   • 长度固定为 64 位 = 8 字节
   • ID 单调递增
   • 可以根据值推测出具体含义
   • 保护安全隐私，外人无法通过 ID 直接得出业务隐私
   • 强依赖机器时间
     • 若机器的系统时间回拨，可能出现 ID 重复的情况
     • 如何解决？
       • 本地维护一个文件，保存上次生成的时间戳，只有后写入的时间戳比前面的时间戳大，才说明时间正常，没有发生回拨情况
3. 应用：
   • 百度开源的 UidGenerator
   • 美团开源的 Leaf

---

3. 数据库自增主键

1. 单机部署
   • 依赖 数据库自增主键
   • 特点：
     • 简单，成本低
     • ID 单调自增
     • 强依赖数据库，当数据库发生异常时，会影响整个系统；性能瓶颈也限制在单台 MySQL 机器的读写性能
2. 集群部署
   • 设置 ID 递增步长 = 集群机器数
   • 特点：
     • 依赖 集群机器 的性能
     • 水平扩展困难，当增大一台机器时，处理过程比较麻烦

---

4. Redis 原子自增

1. 原理：
   • 借助 Redis 的 原子指令 Incr()
2. 特点：
   • 依赖 集群机器 的性能
   • 水平扩展困难

---

5. ZK 顺序节点

1. 原理：
   • 在特定节点下 生成顺序节点
   • 特点：
     • 性能不高，频繁创建、删除节点影响性能