常见 ID 解决方案的比照

风行的分布式 ID 解决方案

雪花算法（snowflake）

雪花算法是由符号位 + 工夫戳 + 工作机器 id+ 序列号组成

解释

1. 符号位为 0，0 示意负数，ID 为负数。
2. 工夫戳位不必多说，用来寄存工夫戳，单位是 ms。
3. 工作机器 id 位用来寄存机器的 id，通常分为 5 个区域位 + 5 个服务器标识位。

Twitter 的 Snowflake 算法 Java 实现

public class SnowFlake {

    /**
     * 起始的工夫戳
     */
    private final static long START_STMP = 1480166465631L;

    /**
     * 每一部分占用的位数
     */
    private final static long SEQUENCE_BIT = 12; // 序列号占用的位数
    private final static long MACHINE_BIT = 5;   // 机器标识占用的位数
    private final static long DATACENTER_BIT = 5;// 数据中心占用的位数

    /**
     * 每一部分的最大值
     */
    private final static long MAX_DATACENTER_NUM = -1L ^ (-1L << DATACENTER_BIT);
    private final static long MAX_MACHINE_NUM = -1L ^ (-1L << MACHINE_BIT);
    private final static long MAX_SEQUENCE = -1L ^ (-1L << SEQUENCE_BIT);

    /**
     * 每一部分向左的位移
     */
    private final static long MACHINE_LEFT = SEQUENCE_BIT;
    private final static long DATACENTER_LEFT = SEQUENCE_BIT + MACHINE_BIT;
    private final static long TIMESTMP_LEFT = DATACENTER_LEFT + DATACENTER_BIT;

    private long datacenterId;  // 数据中心
    private long machineId;     // 机器标识
    private long sequence = 0L; // 序列号
    private long lastStmp = -1L;// 上一次工夫戳

    public SnowFlake(long datacenterId, long machineId) {if (datacenterId > MAX_DATACENTER_NUM || datacenterId < 0) {throw new IllegalArgumentException("datacenterId can't be greater than MAX_DATACENTER_NUM or less than 0");
        }
        if (machineId > MAX_MACHINE_NUM || machineId < 0) {throw new IllegalArgumentException("machineId can't be greater than MAX_MACHINE_NUM or less than 0");
        }
        this.datacenterId = datacenterId;
        this.machineId = machineId;
    }

    /**
     * 产生下一个 ID
     *
     * @return
     */
    public synchronized long nextId() {long currStmp = getNewstmp();
        if (currStmp < lastStmp) {throw new RuntimeException("Clock moved backwards.  Refusing to generate id");
        }

        if (currStmp == lastStmp) {
            // 雷同毫秒内，序列号自增
            sequence = (sequence + 1) & MAX_SEQUENCE;
            // 同一毫秒的序列数曾经达到最大
            if (sequence == 0L) {currStmp = getNextMill();
            }
        } else {
            // 不同毫秒内，序列号置为 0
            sequence = 0L;
        }

        lastStmp = currStmp;

        return (currStmp - START_STMP) << TIMESTMP_LEFT // 工夫戳局部
                | datacenterId << DATACENTER_LEFT       // 数据中心局部
                | machineId << MACHINE_LEFT             // 机器标识局部
                | sequence;                             // 序列号局部
    }

    private long getNextMill() {long mill = getNewstmp();
        while (mill <= lastStmp) {mill = getNewstmp();
        }
        return mill;
    }

    private long getNewstmp() {return System.currentTimeMillis();
    }

    public static void main(String[] args) {SnowFlake snowFlake = new SnowFlake(2, 3);

        for (int i = 0; i < (1 << 12); i++) {System.out.println(snowFlake.nextId());
        }

    }
}

号段模式

号段模式能够了解为从数据库批量的获取自增 ID，每次从数据库取出一个号段范畴，例如 (1,1000] 代表 1000 个 ID，具体的业务服务将本号段，生成 1~1000 的自增 ID 并加载到内存。表构造如下：

CREATE TABLE id_generator (id int(10) NOT NULL,
  max_id bigint(20) NOT NULL COMMENT '以后最大 id',
  step int(20) NOT NULL COMMENT '号段的布长',
  biz_type    int(20) NOT NULL COMMENT '业务类型',
  version int(20) NOT NULL COMMENT '版本号',
  PRIMARY KEY (`id`)
) 

• biz_type：代表不同业务类型
• max_id：以后最大的可用 id
• step：代表号段的长度
• version：是一个乐观锁，每次都更新 version，保障并发时数据的正确性

等这批号段 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，update max_id= max_id + step，update 胜利则阐明新号段获取胜利，新的号段范畴是(max_id ,max_id +step]。

update id_generator set max_id = #{max_id+step}, version = version + 1 where version = # {version} and biz_type = XXX

因为多业务端可能同时操作，所以采纳版本号 version 乐观锁形式更新，这种 分布式 ID生成形式不强依赖于数据库，不会频繁的拜访数据库，对数据库的压力小很多。

其余解决方案

1. 滴滴出品（TinyID）Github 地址：https://github.com/didi/tinyid
2. 百度（Uidgenerator）GitHub 地址：https://github.com/baidu/uid-…
3. 美团（Leaf）github 地址：https://github.com/Meituan-Di…