自定义ID生成器

现在的服务基本是分布式、微服务形式的，而且大数据量也导致分库分表的产生，对于水平分表就需要保证表中 id 的全局唯一性。

对于 MySQL 而言，一个表中的主键 id 一般使用自增的方式，但是如果进行水平分表之后，多个表中会生成重复的 id 值。那么如何保证水平分表后的多张表中的 id 是全局唯一性的呢？
常用的方式有两种，一是使用雪花算法，二是使用UUID。
这两种方式都有自己的优缺点。
雪花算法有以下几个优点：

高并发分布式环境下生成不重复 id，每秒可生成百万个不重复 id。
基于时间戳，以及同一时间戳下序列号自增，基本保证 id 有序递增。
不依赖第三方库或者中间件。
算法简单，在内存中进行，效率高。
雪花算法有如下缺点：

依赖服务器时间，服务器时钟回拨时可能会生成重复 id。算法中可通过记录最后一个生成 id 时的时间戳来解决，每次生成 id 之前比较当前服务器时钟是否被回拨，避免生成重复 id。

uuid优点：

简单，代码方便。
全球唯一，在遇见数据迁移，系统数据合并，或者数据库变更等情况下，可以从容应对。
本地生成，没有网络消耗。
　　
缺点：
不易于存储：UUID太长，16字节128位，通常以36长度的字符串表示，很多场景不适用。
信息不安全：基于MAC地址生成UUID的算法可能会造成MAC地址泄露，这个漏洞曾被用于寻找梅丽莎病毒的制作者位置。
MySQL官方有明确的建议主键要尽量越短越好[4]，36个字符长度的UUID不符合要求。
对MySQL索引不利：如果作为数据库主键，在InnoDB引擎下，UUID的无序性可能会引起数据位置频繁变动，严重影响性能。
使用起来也非常简单，都在JAVA中集成了，直接创建对象调用方法就可以使用了。

  //雪花算法
        SnowflakeGenerator snowflakeGenerator = new SnowflakeGenerator();
        //雪花算法
        Snowflake snowflake = new Snowflake();
        System.out.println("雪花算法生成的ID："+snowflake.nextId());
        System.out.println("生成的Id是："+snowflakeGenerator.next());
        //IdUtil工具类生成uuid
        String s = IdUtil.fastSimpleUUID();
        System.out.println("生成的UUID是："+s);

结果：
雪花算法生成的ID：1768079525657333760
生成的Id是：1768079525654036480
生成的UUID是：939fefde14234ee78f4e634028c90296