（3）go web开发之 基于雪花算法生成用户ID与自增id，uuid对比

• 摘自一篇文章开头：
• 讲的很清晰，可以看看概念和对比https://blog.csdn.net/qq_40950903/article/details/108589837
  
• B站讲解 B树，B+树的视频，还有mysql索引
  • https://www.bilibili.com/video/BV1qE411273M?spm_id_from=333.999
  • https://www.bilibili.com/video/BV1e5411T77z?spm_id_from=333.999.0.0
  • https://www.bilibili.com/video/BV1qb4y1Q7db?p=1

一： 为啥不用自增id作为用户的id？

• 有两方面的考虑：
  • （1）首先： id长度不一，且太具有顺序性！数据安全性差！ 轻易就可以知道自己是该站点第几个注册的用户。并且如果是注册的新用户，还可以知道当前站点已经有多少个注册用户！ 这是不太好的，信息安全问题。
  • （2）其次: 数据量庞大，进行分库分表的时候， 不同库中的用户id可能发生重复。假设第一个库已经有 1亿个用户，那为了保证不重复，第二个机器，或者表，只能从大于 一亿的 位置开始。 且，必须要大于1亿很多，因为第一台机器还会继续增长，可能导致增长过程中重复！

二：为啥不使用uuid？

• 啥是 uuid？来自百度百科的截图。 （我之前写登录时，图形验证码的保存，也用到过 uuid，当做key存储进redis）
  • 目前最广泛应用的UUID，是微软公司的全局唯一标识符（GUID），而其他重要的应用，则有Linux ext2/ext3文件系统、LUKS加密分区、GNOME、KDE、Mac OS X等等
  • uuid 是一长串用 - 分隔的 字符， 图中介绍描述uuid 有 128长， 32字节表示。并且是无序的！这点很关键。 我在B站上看到讲解 B+树和mysql 索引的文章，其中讲到 页结构，和插入数据的过程
    
  • 默认插入数据会以主键作为索引，建立聚簇索引。 在磁盘中将数据读取是按照页（逻辑单位）进行的。 每一页的大小默认是 16KB。因为作为主键的话，内部插入默认排序。 uuid是无序的，导致每次的插入结果不一定，增加时间开销。 如果是自增id，每次都是在后面进行插入了。
  • 每一次UUID数据的插入都会对主键的b+树进行很大的修改，这一点很不好，插入完全无序，不但会导致一些中间节点产生分裂，也会白白创造出很多不饱和的节点，这样大大降低了数据库插入的性能。
    • 顺序的插入，总数能不断达到饱和节点，每个节点存储足够多的关键字。 随意插入还需要判断往哪插入，插入的当前页，可能会造成分裂，改变B+树结构。
    • 插入效率低。

三：雪花算法（snowflake）

• 雪花算法是Twitter开源的由64位整数组成的分布式ID，性能较高，并且在单机上递增。
  

  • 全长64位。
  • 第一部分，是1bit： 0。该段无意义。因为二进制里第一个bit如果是1，那么都是负数，我们生成的id要求都是正数。
  • 第二部分： 时间戳，单位为毫秒，总共可以容纳约69年。这个时间戳不是从1970年开始记起的，因为那样只能用到 2039年。 可以 以项目上线的时间为起点，开始计算。
  • 第三部分：5bit表示机房id，剩下5bit表示机器id。一共10位，就是最多容纳 1024个机器。
  • 第五部分表示序号：某个机房，某个机器这一毫秒内同时生成的id的序号。一共12位，那么就是一共可以生成 4096个一毫秒。
  • 总计 ：同一毫秒的ID数量：1024 x 4096 = 3194304个。完完全全滴够用了。

• go语言实现的 雪花算法，已经有开源的了，300多行代码：https://github.com/bwmarrin/snowflake/blob/master/snowflake.go这个实现的是和上述描述的基本一致。官方文档截图：
  

• 给出链接，讲解java版本的 雪花算法实现源码分析（代码都不长，200行左右）：https://www.bilibili.com/video/BV1tr4y1C7gi?spm_id_from=333.999.0.0

• 他们的原理都是类似的。通过很多 位运算操作，拼凑出来 ID。 需要注意的点：

  • 要注意ID值一毫秒内的数量， 当生成数量大于 一毫秒的最大值时，需要等待到下一毫秒。
  • 当前的时间 与上一次获取id相同时，说明是在统一毫秒， 序列（step）递增
  • 当小于时，返回错误， 当大于上次时间时，说明不在统一毫秒，更新 序列为 0，表示这一毫秒内重新开始计数。

• go项目中使用：参照文档， 代码除了解析功能外。也就100多行。每一步都有注释。 初始化一个 node节点对象，然后调用生成相应的ID就可以了，可以是 int64，string等等类型的结果。

  package sonwflake
  // 这个模块封装了 雪花算法生成相应用户ID的方法。
  import (
  	"github.com/bwmarrin/snowflake"
  	"time"
  )
  
  
  // 定义一个节点： 通过这个全局的 node，就可以用于制造 ID了。
  var node *snowflake.Node
  
  // 源码里有很多默认的基本设定，比如开始时间等等， 我们可以改变这些，自己初始化一个 node节点
  func Init(startTime string, machineID int64) (err error) {
  	var st time.Time
  	st, err = time.Parse("2006-01-02", startTime)
  	if err != nil {
  		return
  	}
  	// 设置时间
  	snowflake.Epoch = st.UnixNano() / 1000000
  	node, err = snowflake.NewNode(machineID)
  	return
  }
  
  // 返回int64位的 id值
  func GenID() int64 {
  	return node.Generate().Int64()
  }
  

• 文档中给出的使用：

  package main
  
  import (
  	"fmt"
  
  	"github.com/bwmarrin/snowflake"
  )
  
  func main() {
  
  	// Create a new Node with a Node number of 1
  	// 生成一个节点
  	node, err := snowflake.NewNode(1)
  	if err != nil 
  		fmt.Println(err)
  		return
  	}
  
  	// Generate a snowflake ID.
  	// type ID int64 这是id的类型，下面定义了很多方法， 获取Base64呀，或者是打印它的时间戳等
  	id := node.Generate()
  
  	// Print out the ID in a few different ways.
  	fmt.Printf("Int64  ID: %d\n", id)
  	fmt.Printf("String ID: %s\n", id)
  	fmt.Printf("Base2  ID: %s\n", id.Base2())
  	fmt.Printf("Base64 ID: %s\n", id.Base64())
  
  	// Print out the ID's timestamp
  	fmt.Printf("ID Time  : %d\n", id.Time())
  
  	// Print out the ID's node number
  	fmt.Printf("ID Node  : %d\n", id.Node())
  
  	// Print out the ID's sequence number
  	fmt.Printf("ID Step  : %d\n", id.Step())
  
    // Generate and print, all in one.
    fmt.Printf("ID       : %d\n", node.Generate().Int64())
  }