1.为什么须要分布式全局惟一ID2.ID生成规定局部硬性要求3.ID生成规定的可用性要求4.现有的ID生成策略5.雪花算法ID生成策略 1.为什么须要分布式全局惟一ID在简单的分布式高并发零碎中，往往在一秒之内就会产生海量的数据，而且咱们要对这些数据进行唯一性的标识，且还要保障有序性，在咱们以往的开发应用中，UUID以及自增ID这种生成策略，可能无奈满足一瞬间生成数据的唯一性和有序性，此时一个可能生成全局惟一的ID生成规定是非常重要的。
2.ID生成规定局部硬性要求2.1）全局惟一不呈现反复的ID号，这是对ID最根本的要求。2.2）趋势递增在mysql的InnoDB引擎中应用的是聚簇索引，应用BTree构造来保留数据，用递增的ID能够让BTree不会产生微小的变动来保障写入性能。
当B+Tree插入的主键值为自增的时候：当B+Tree插入的主键值为随机值uuid的时候：
2.1）枯燥递增保障下一个ID的值肯定要大于上一个ID的值，来合乎排序等要求
2.3）信息安全如果ID是自增ID或者某种规定的连续性ID，歹意的扒取工作就比拟容易进行（比方退款接口，轻易输出订单的自增ID。或者支付红包的接口，轻易输出红包的自增ID，以及察看一天ID的增量来判断零碎一天的订单量。）所以在一些利用场景下，须要ID不规则，让这些歹意的扒取工作不好进行。
2.4）含工夫戳这样就能在开发中通过id来理解这条数据的生成工夫
3.ID生成规定的可用性要求3.1）高可用发送一个获取分布式ID的申请，服务器就要99.99999%的状况下给咱们创立一个分布式惟一ID。
3.2）低延时发送一个获取分布式ID的申请，服务器要响应迅速。
3.3）高qps如果一秒钟有十万个申请同时发送给服务器，服务器也要同时创立十万个不同的分布式惟一递增有序ID。
4.现有的ID生成策略
4.1）Uuid长处：能够保障唯一性
毛病：4.1.1）无序，不能生成递增的有序数字。4.1.2）主键过长，不合乎主键越短越好的规定，在where id = ''时候会产生比拟开销。4.1.3）索引B+Tree的决裂（下面曾经介绍过）。
4.2）自增id长处：保障枯燥递增性，有序性。
毛病：4.2.1）ID很容易被人猜出来，不平安4.2.2）单机模式无奈承载高并发量，无奈一秒钟生成几十万个不同的ID，不合乎高qps规定。4.2.3）集群模式，假如第一台数据库id是奇数，第二台id是偶数，这种配置规定十分繁琐，而且如果要扩大到一百多台mysql，不易于扩大。
4.3）基于redis的全局ID策略长处：因为redis底层人造地保障了原子性，所以能够应用incr来操作，而且单机redis的qps就比拟高，能够肯定水平保障高qps。
毛病：在集群模式下，redis和mysql一样，都须要设置不同的增长步长，这种配置形式极为繁琐，而且不易于扩大。
5.雪花算法ID生成策略理解了下面这么多生成策略之后，咱们发现上述生成ID规定均不合乎生成规定，这个时候，雪花算法呈现了！
Twitter的分布式雪花算法snowflake，经测试snowflake每秒可能生成26万个自增可排序的id
5.1）雪花算法的数据结构
咱们先来看一下雪花算法的数据结构图：
雪花算法由一个64bit的long类型形成，它将一个long类型拆分成了四个号段，来别离示意不同的值，来保障全局惟一和有序性。
5.2）雪花算法的号段解析
1bit 符号位：不必，二进制中的最高位是符号位，1示意正数，0示意负数生成的id个别都是负数，所以最高符号位为0.
41bit 工夫戳位：用来记录时间，毫秒数。41位能够用来示意2^(41)-1个数字，如果只用来示意负数，那么这个值的范畴就是0~2^(41)-1，减1是因为数字是从0开始算的，而不是1.
2^(41)-1转化成单位年则是(2^(41)-1)/(1000606024365) = 69年
10bit 工作过程位：能够用来示意工作机器id，能够部署在2^(10)=1024个节点，也能够用5位workId（工作机器ID）和5位datacenterId（工作线程Id），也能够多用几位来示意工作机器ID，位数不固定。
12bit序列号位：12位，可示意的最大正整数是 2^12 -1 = 4095，来示意同一机器一时间戳（毫秒）内产生的4095个ID序号。
5.3）雪花算法的优缺点
长处：毫秒数在高位，整个ID都是趋势递增的。不依赖数据库等第三方零碎，以服务的形式部署，稳定性高，合乎高qps，高可用。依据本身业务调配bit位，非常灵活
毛病：依赖机器时钟，如果机器时钟重置，会导致反复ID生成。在单机上递增，然而因为是分布式环境，每台机器上的时钟不同步，有时候会呈现不递增的状况。（不过大抵是递增的，而且齐全能保障趋势递增。）
5.4）雪花算法的代码实现
咱们能够应用糊涂工具生成：
<dependency> <groupId>cn.hutool</groupId> <artifactId>hutool-captcha</artifactId> <version>${hutool.version}</version></dependency>ID 生成器:
package com.example.demo.meeting.util;import cn.hutool.core.lang.Snowflake;import cn.hutool.core.util.IdUtil;import org.apache.commons.lang3.SystemUtils;import org.apache.commons.lang3.RandomUtils;import org.apache.commons.lang3.StringUtils;import org.springframework.context.annotation.Bean;import org.springframework.stereotype.Component;import java.net.Inet4Address;import java.net.UnknownHostException;/** * @author sulingfeng * @title: IdGenerator */@Componentpublic class IdGenerator { public static Snowflake snowflake = IdUtil.createSnowflake(getWorkId(), getDataCenterId()); /** * workId应用IP生成 * @return workId */ private static Long getWorkId() { try { String hostAddress = Inet4Address.getLocalHost().getHostAddress(); int[] ints = StringUtils.toCodePoints(hostAddress); int sums = 0; for (int b : ints) { sums = sums + b; } //咱们能够依据须要自行管制长短 return (long) (sums % 32); } catch (UnknownHostException e) { // 失败就随机 return RandomUtils.nextLong(0, 31); } } /** * dataCenterId应用hostName生成 * @return dataCenterId */ private static Long getDataCenterId() { try { String hostName = SystemUtils.getHostName(); int[] ints = StringUtils.toCodePoints(hostName); int sums = 0; for (int i: ints) { sums = sums + i; } return (long) (sums % 32); } catch (Exception e) { // 失败就随机 return RandomUtils.nextLong(0, 31); } } public synchronized long snowflakeId() { return snowflake.nextId(); }}