共计 3077 个字符，预计需要花费 8 分钟才能阅读完成。
全称 Universally Unique Identifier，UUID 占 128bit，也就是 16 个英文字符的长度（16byte），需要强调的是，它的生成无需中心处理程序。
UUID 被用来标识 URN(Uniform Resource Names)，对于 Transaction ID 以及其他需要唯一标志的场景都可以使用它。
UUID 是空间和时间上的唯一标识，它长度固定，内部中包含时间信息。如果服务器时间存在不同步的情况，UUID 可能会出现重复。
UUID 构成
基本格式，由 6 部分组成：
time-low – time-mide – time-high-and-version – clock-seq-and-reserved & clock-seq-low – node
一个 URN 示例：f81d4fae-7dec-11d0-a765-00a0c91e6bf6。
因为 UUID 占 128bit，16 进制数占 4bit，所以转换成 16 进制 0 - f 的字符串总共有 32 位。组成的各个部分具体由几位 16 进制表示，请查阅 Namespace Registration Template
因为 UUID 太长且无序，导致其不适合做 MySQL 的主键索引。而且 MySQL 自带的 auto-increment 功能，选择 bigint 的话也只占用 64bit。
All indexes other than the clustered index are known as secondary indexes. In InnoDB, each record in a secondary index contains the primary key columns for the row, as well as the columns specified for the secondary index. InnoDB uses this primary key value to search for the row in the clustered index.If the primary key is long, the secondary indexes use more space, so it is advantageous to have a short primary key.
MongoDB’s ObjectId
ObjectId 由占 4 -byte 的时间戳、3-byte 的机器标识、2-byte 的进程 ID 以及 3 -byte 的计数组成，总共还是占用 96bit。
这些 ID 组成包括时间、机器标识、随机数，在 UUID 生成时还使用到 MAC 地址。这些参数中时间是关键，保证集群服务器的时钟准确非常重要。
Twitter Snowflake
Twitter Snowflake 生成的 ID 占 64bit，跟 bigint 大小一致。由 41 bit 毫秒精度的时间戳、10bit 的机器 ID 以及 12 bit 的序列号组成（计数每 4096 就重新开始一轮），剩下的 1 bit 奉献给未来。
作者修改了它的原始设定，将剩下的 1 bit 给了时间戳。使用机器 MAC 地址的 HASH 值作为当前机器的 ID。
服务全局保存最近一次生成 ID 的时间戳 lastTimestamp，作为生成新 ID 的判断依据，避免时间回溯。详细代码请参照 [1]。
// Block and wait till next millisecond
private long waitNextMillis(long currentTimestamp) {
while (currentTimestamp == lastTimestamp) {
currentTimestamp = timestamp();
}
return currentTimestamp;
}
同时将 sequence 也声明为全局变量，每间隔 4096 次就重新开始计数。主要用于应对：当时间戳相同时保证生成的 ID 是不同的。
if (currentTimestamp == lastTimestamp) {
sequence = (sequence + 1) & maxSequence;
if(sequence == 0) {
// Sequence Exhausted, wait till next millisecond.
currentTimestamp = waitNextMillis(currentTimestamp);
}
} else {
// reset sequence to start with zero for the next millisecond
sequence = 0;
}
Database Ticket Servers
该方式通过中心的 DB 服务来生成唯一自增 ID，但 DB 服务的写操作会成为系统的瓶颈。如果后台是单个 DB 服务的话，存在单点问题。
参考 Flickr 的方法，后台使用两个 DB 来生成 ID，其中 auto-increment 一个按照奇数步长增长，另一个按照偶数步长增长。MySQL 内部使用 REPLACE 来实现，通过一条冲突的记录，来持续生成自增的主键 ID。
REPLACE makes sense only if a table has a PRIMARY KEY or UNIQUE index. Otherwise, it becomes equivalent to INSERT, because there is no index to be used to determine whether a new row duplicates another.
结合 Twitter Snowflake 对 ID 做如下调整：41-bit 的毫秒时间戳、13-bit 的数据逻辑分区以及 10-bit 的自增序列。自增序列对 1024 取余，每个分区每毫秒内能生成 1024 个自增 ID。
Flickr 中各个数据表按照不同的步长增长，当需要分表的时候就会存在巨复杂的数据迁移问题。为了解决这个问题，便引入了逻辑分区 Shard ID。通过逻辑上的 Shard，将数据分散在不同的数据表中。这样后续的分库分表都可以通过操作逻辑上 Shard 来实现，将 DB 从具体的实现中解脱出来。
关于获取 MySQL 自增 ID，代码无法批量获取插入的全部自增 ID 列表，MySQL 只会返回第一条记录的自增 ID。因为自增 ID 是连续的，所以可以通过计算的方式来计算出 ID 列表。
If you insert multiple rows using a single INSERT statement, LAST_INSERT_ID() returns the value generated for the first inserted row only. The reason for this is to make it possible to reproduce easily the same INSERT statement against some other server.
关于 Shard 可以查看本地缓存 BigCache，很有参考意义（我觉得）。
总结
文中介绍了 ID 的两种生成方式，核心的区别在于：整个系统的 ID 是否支持单调递增。Twitter Snowflake 以及 UUID 可以保证生成的数据唯一，但多台服务器的话，无法保证生成的数据有序。而 Ticket Servers 通过结合 MySQL 的 auto-increment 解决了这个问题。
参考文章：
Generating unique IDs in a distributed environment at high scale
A Universally Unique IDentifier (UUID) URN Namespace
Clustered and Secondary Indexes
Sharding & IDs at Instagram
Ticket Server: Distributed Unique Primary Keys on the Cheap
MySQL 批量插入返回自增 ID 的问题
Leaf——美团点评分布式 ID 生成系统
