前言
最近公司在扩招后端高级开发，有幸成为面试官之一，其中问的最多一个问题就是分布式ID的几种解决方案，不客气的说前身小公司的开发答得完整的很少。

于是就抽出了周末的时间整理了几种主流的分布式ID生成方案，希望能够帮助到你们。

开篇几个问题

1. 为什么需要分布式全局唯一ID以及分布式ID的业务需求
   在复杂分布式系统中，往往需要对大量的数据和消息进行唯一标识。

如在美团点评的金融、支付、餐饮、酒店等业务场景
猫眼电影等产品的系统中数据日渐增长，对数据分库分表后需要有一个唯一ID来表示一条数据或者消息。
特别一点的如订单、骑手、优惠劵也都需要一个唯一ID作为标识。
此时一个能生成唯一ID的系统是非常必要的。

2. ID生成规则部分硬性要求
   全局唯一：既然是唯一标识，那么全局唯一是最基本的要求。
   趋势递增：在MySQL的InnoDB引擎中使用的是聚集索引，由于多数RDBMS使用Btree的数据结构来存储索引数据，在主键的选择上面我们应该尽量使用有序的主键来保证写入性能。
   单调递增：保证下一个ID一定大于上一个ID，例如事务版本号、IM增量消息、排序等特殊需求。
   信息安全：如果ID是连续的，那么恶意用户的爬取工作就非常容易做了，直接按照顺序下载指定URL即可；如果是订单号那么更加危险，竞争对手可以知道我们一天的单量;所以在一些应用场景下，需要ID无规则不规则，让竞争对手不好猜。
   含时间戳：这样就能在开发中快速了解这个分布式ID的生成时间。

3. ID生成系统的可用性要求
   高可用：发一个获取分布式ID的请求，服务器就要保证99.999%的情况下给我创建一个唯一分布式ID
   低延迟：发一个获取分布式ID的请求，服务器就要快，极速
   高QPS：假如并发一口气10万个创建分布式ID请求同时过来，服务器需要顶得住且成功创建10万个分布式ID
   通用的几种方案
   随着系统架构以及业务的演变，分布式ID生成也是有N种解决方案，以下就简单的列举几种。

4. UUID
   这种方案估计大家都了解，最简单的一种方案。

public static void main(String[] args) {
String uuid = UUID.randomUUID().toString();
System.out.println(uuid);
}
如果只是考虑唯一性，那么UUID基本可以满足需求。

缺点
无序：无法预测它的生成顺序，不能生成递增有序的数字
主键：ID作为主键时在特定的环境下会存在一些问题，比如做DB主键的场景下，UUID非常不适用，MySQL官方有明确的建议主键要尽量越短越好，36位的UUID不合要求。
索引：会导致B+树索引得分裂。

2. 数据库自增主键
   此种方案有一定的局限性，在高并发集群上此策略不可用。

3. 基于Redis生成全局ID策略
   因为Redis是单线程，天生保证原子性，所以可以使用INCR和INCRBY来实现。
   集群分布式
   “

在Redis集群下，同样和MySQL一样需要设置不同的增长步数，同时key需要设置有效期;可以使用Redis集群来获取更高的吞吐量;假如一个集群中有五个Redis，那么初始化每台Redis步长分别是1，2，3，4，5，然后步长都是5。

4. snowflake(雪花算法)
   推特的雪花算法生成ID能够按照时间有序生成。
   雪花算法生成ID的结果是一个64bit大小的整数，为一个Long型（转换为字符串后长度最多19）
   分布式系统内不会产生ID碰撞（由datecenter和workerId作区分），并且效率较高。
   结构
   雪花算法的几个核心组成部分如下图：
   
   号段解析
   1bit符号位：不用，因为二进制最高位是符号位，1表示负数，0表示正数，生成的id一般都是用正数，所以最高位固定位0
   41bit时间戳，用于记录时间戳，毫秒级
   41位可以表示2^41 - 1个数字
   如果只用来表示正整数（计算机正数包含0），可以表示的数值范围是0-2^41 - 1，减一是因为可表示的数值范围是从0开始算的，而不是1
   也就是说41位可以表示2^41 - 1个毫秒的值，转换为单位年则是69年。
   10bit工作进程位，用于记录工作机器id
   可以部署在2^10 = 1024个节点，包括五位datacenterId和五位workerId
   五位可以表示的最大整数位2^5 - 1 = 31，即可以使用0，1，2…31这32个数字来表示不同的datacenterId和workerId
   12bit序列号，序列号，用来记录同毫秒内 产生的不同的ID
   12bit可以表示的最大正整数位2^12 - 1 = 4095，即可以表示0，1….4094这4095个数字
   表示同一机器同一时间戳（毫秒）中产生的4095个ID序号
   优点
   所有生成的id按时间趋势递增
   整个分布式内不会产生重复id，因为有datacenterId和workerId来做区分。
   毫秒数在高位，自增序列在低位，整个ID都是趋势递增的
   不依赖数据库、redis等第三方系统，以服务的方式部署，稳定性更高，生成ID的性能也是非常高的。
   可以根据自身业务分配bit位，非常灵活。
   缺点
   依赖机器时钟，如果机器时钟回退，会导致重复ID生成
   在单机上是递增的，但是由于设计到分布式环境，每台机器上的时钟不可能完全同步，有时候会出现不是全局递增的情况。（此缺点可以认为芜锁胃，一般分布式ID只要求趋势递增，并不会严格要求递增，90%的需求都只需要趋势递增）
   源码
   /**

• twitter的snowflake算法 -- java实现

• @author beyond

• @date 2016/11/26
  */
  public class SnowFlake {

  /**

  • 起始的时间戳
    */
    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;//上一次时间戳

  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) {
    //相同毫秒内，序列号自增
    sequence = (sequence + 1) & MAX_SEQUENCE;
    //同一毫秒的序列数已经达到最大
    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 //时间戳部分
    | datacenterId << DATACENTER_LEFT //数据中心部分
    | machineId << MACHINE_LEFT //机器标识部分
    | sequence; //序列号部分
    }

  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());
   }

  }
  }
  测试
  //测试使用雪花算法生成ID
  //构造函数中传入datacenterId和workerId
  SnowFlake snowFlake = new SnowFlake(1,1);
  for (int i = 0; i < 10; i++) {
  long id = snowFlake.nextId();
  System.out.println("id：" + id + "\t" + String.valueOf(id).length() + "位");
  System.out.println("------------------------------------------");
  }
  
  Spring Boot整合雪花算法
  引入hutool-all，maven依赖引入如下：

@Configuration
public class SnowFlakeConfig {
@Value("$application.datacenterId")privateLongdatacenterId;@Value("${application.workerId}")
private Long workerId;

/***
 * 注入一个生成雪花ID的对象
 * @return
 */
@Bean
public Snowflake snowflake() {
    return new Snowflake(workerId,datacenterId);
}

}
yml配置文件：

application:
datacenterId: 2
workerId: 1
server:
port: 7777
service 层：

@Service
public class OrderService {
@Autowired
private Snowflake snowflake;

public String getIdBySnowFlake() {
    return String.valueOf(snowflake.nextId());
}

}
其他开源的解决方案
很多大厂都对雪花算法做出了改进，开源了一些改进方案，如下：

百度开源的分布式唯一ID生成器UidGenerator
Leaf–美团点评分布式ID生成系统