分布式ID生成策略

1、UUID

UUID(Universally Unique Identifier)是基于当前时间、计数器和硬件标识（通常为无线网卡的MAC地址）等数据计算生成的。

UUID完全可以满足分布式唯一标识，但是在实际应用过程中一般不采用，有几个原因：

1. 存储成本高：UUID太长，16字节128位，以36长度的字符串表示，很多场景不适用。

2. 信息不安全：基于MAC地址生成的UUID算法会暴露MAC地址，曾经梅丽莎病毒的制造者就是根据UUID寻找的。

3. 不符合MySQL主键要求：MySQL官方有明确的建议，主键要尽量越短越好，因为太长对MySQL索引不利。

2、数据库自增ID

利用MySQL自增的ID，可以达到数据唯一标识。

但是分库分表后不能保证整体的ID唯一。为了避免这种情况，有以下两种方式可以解决该问题。

全局主键表

创建全局主键表维护唯一标识，作为ID的输出源可以保证整体ID的唯一。

 

当业务获取唯一标识时，执行下方SQL获取，然后添加到某个分表中。

 

ID自增步长设置

通过设置MySQL主键自增步长，让分布在不同实例的表数据ID做到不重复，从而保证整体的唯一。

 

3、号段模式

号段模式介绍

号段模式是当下分布式ID生成器的主流实现方式之一。其原理如下：

1. 号段模式每次从数据库取出一个号段范围，加载到服务内存中。避免每次生成ID都去访问数据库。

2. 当号段ID用完，再次向数据库申请新号段，对max_id字段做一次update操作，新的号段范围是(max_id ,max_id +step]。

3. 由于多业务端可能同时操作，所以采用版本号version乐观锁方式更新。

这种分布式ID生成方式不强依赖于数据库，不会频繁的访问数据库，对数据库的压力小很多。

但同样也会存在一些缺点，比如：服务器重启，单点故障会造成ID不连续。

4、Redis INCR

作为共享内存，可以通过Redis的INCR命令来生成全局唯一ID。

 

Redis也有对应的缺点：ID 生成的持久化问题，如果Redis宕机了怎么进行恢复是开发人员需要考虑的。

5、雪花算法

Snowflake，雪花算法是有Twitter开源的分布式ID生成算法，以划分命名空间的方式将64bit位分割成了多个部分，每个部分都有具体的不同含义，在Java中64Bit位的整数是Long类型，所以在Java中Snowflake算法生成的ID就是long来存储的。雪花算法强依赖机器时钟，如果机器上时钟回拨，会导致重复。通常通过记录最后使用时间处理该问题。

 

6、美团(Leaf)

美团点评分布式ID生成系统。支持号段模式和snowflake算法模式，可以切换使用。

开源项目链接：

https://github.com/Meituan-Dianping/Leaf

Leaf详细介绍：

https://tech.meituan.com/2017/04/21/mt-leaf.html

7、百度(Uidgenerator)

UidGenerator是百度开源的Java语言实现，基于Snowflake算法的。克服了雪花算法的并发限制，单个实例的QPS能超过6000000。需要的环境：JDK8+，MySQL（用于分配WorkerId）。

源码地址：

https://github.com/baidu/uid-generator

中文文档地址：

https://github.com/baidu/uid-generator/blob/master/README.zh_cn.md

8、滴滴(TinyID)

Tinyid是滴滴基于美团（Leaf）的号段模式基础上升级而来，不仅支持了数据库多主节点模式，还提供了tinyid-client客户端的接入方式，使用起来更加方便。

开源项目链接：

https://github.com/didi/tinyid

总结比较

	优点	缺点
UUID	代码实现简单、没有网络开销，性能好	占用空间大、无序
数据库自增ID	利用数据库系统的功能实现，成本小、ID自增有序	并发性能受Mysql限制、强依赖DB，当DB异常时整个系统不可用，致命
Redis INCR	性能优于数据库、ID有序	解决单点问题带来的数据一致性等问题使得复杂度提高
雪花算法	不依赖数据库等第三方系统，性能也是非高、可以根据自身业务特性分配bit位，非常灵活	强依赖机器时钟，如果机器上时钟回拨，会导致发号重复或者服务会处于不可用状态。
号段模式	数据库的压力小	单点故障ID不连续
Leaf、Uidgenerator、TinyID	高性能、高可用、接入简单	依赖第三方组件如ZooKeeper、Mysql