一、前言
日常工作中，我们开发的系统、或者中间件，都是分布式部署的。比如你的订单数据库，做了分库分表，这时候，你需要一个唯一的ID来标记一条数据。这时候，就需要分布式ID。分布式ID是在分布式系统下使用的ID，用于在多个节点中生成全局唯一的标识符。
二、UUID
UUID是通用唯一识别码（Universally Unique Identifier）的缩写。它通过一定的算法机器生成，包括网卡MAC地址、时间戳、名字空间（Namespace）、随机或伪随机数、时序等元素。
代码示例：
UUID randomUUID = UUID.randomUUID();System.out.println(randomUUID);//输出示例：a4332986-c548-4a39-9202-c82e2ea3b4551、UUID的优点：
-
本地生成ID，不需要进行远程调用，时延低，性能高。
-
全球唯一，数据迁移容易。
2、UUID的缺点：
-
UUID过长，生成的是字符串，存储空间高。
-
不是有序的，无法保证趋势递增。
-
可读性差，不体现业务信息。
三、 数据库自增ID
利用数据库的自增策略，如MySQL的auto_increment，来实现分布式ID。
1、数据库自增ID的优点：
-
主键自动增长，不用手工设值。
-
数字型，占用空间小、检索有利。
-
绝对有序。
2、数据库自增ID的缺点：
-
并发性能不高，受限于数据库性能。
-
不太适合重构的系统，因为涉及旧数据迁移容易ID冲突。
-
暴露商业信息，例如可以推断出来订单量。
-
存在单点问题
四、数据库集群模式
单库的数据库自增ID会存在单点问题，所以可以用数据库集群模式，去解决这个问题。数据库集群模式：通过多个数据库实例设置不同的起始值和步长来生成全局唯一的ID。
1、数据库集群模式优点：
-
可以有效生成集群中的唯一ID。解决了单点的问题。
-
降低ID生成数据库操作的负载。
2、数据库集群模式缺点：
-
需要独立部署多个数据库实例，成本高。
-
后期不方便扩展
五、Redis实现的分布式ID
我们可以利用，Redis的自增命令incr生成全局唯一ID。具体实现方式是:在Redis中维护一个自增的计数器，每次生成ID时，从Redis中获取计数器的值，然后将其加一并更新回Redis。
这种方式实现的分布式ID，是唯一的，并且是有序的，我们可以拼接时间、机器标识、业务类型等，让这个ID更有特殊意思。
Redis实现的分布式ID优点:
-
高性能、可扩展性强
-
唯一有序的
Redis实现的分布式ID缺点:
-
需要依赖Redis集群，否则存在单点问题。
-
可能存在ID冲突的风险（如果Redis集群设计不当）。
六、 Snowflake雪花算法
雪花算法是一种生成分布式全局唯一ID的算法，生成的ID称为Snowflake IDs。这种算法由Twitter创建，并用于推文的ID。
一个Snowflake ID有64位。
- 第1位：Java中long的最高位是符号位代表正负，正数是0，负数是1，一般生成ID都为正数，所以默认为0。
- 接下来前41位是时间戳，表示了自选定的时期以来的毫秒数。
- 接下来的10位代表计算机ID，防止冲突。
- 其余12位代表每台机器上生成ID的序列号，这允许在同一毫秒内创建多个Snowflake ID。
Snowflake雪花算法的优点：
-
生成的ID全局唯一、趋势递增。
-
性能高，可扩展性强。
Snowflake雪花算法的缺点：
-
需要时钟回拨处理机制。
-
依赖机器ID和数据中心ID的分配。
七、基于Zookeeper的顺序节点
利用Zookeeper的顺序节点特性来生成全局唯一ID。
优点：
-
利用Zookeeper的集群特性保证高可用。
-
ID全局唯一。
缺点：
-
需要依赖Zookeeper集群。
-
可能会受到Zookeeper性能的限制。
-
并发竞争较大不适合用Zookeeper
八、百度的uid-generator
基于Twitter的Snowflake算法进行改进，增加了更多的配置和灵活性。
与原始的snowflake算法不同在于，uid-generator支持自定义时间戳、工作机器ID和 序列号 等各部分的位数，而且uid-generator中采用用户自定义workId的生成策略。
代码demo：
import com.baidu.fsg.uid.UidGenerator;
import com.baidu.fsg.uid.impl.CachedUidGenerator; public class UidGeneratorDemo { public static void main(String[] args) { // 创建一个UidGenerator实例 UidGenerator uidGenerator = new CachedUidGenerator(); // 初始化，这里只是一个简单的示例，实际使用时你可能需要根据你的业务场景进行更复杂的配置 // 例如，设置workerId、epoch等 // 注意：在多实例部署时，每个实例的workerId必须唯一 long workerId = 1L; // 示例ID，实际使用时需要保证每个实例的唯一性 long datacenterId = 1L; // 数据中心ID，示例 uidGenerator.init(workerId, datacenterId, null); // 生成一个UID long uid = uidGenerator.getUID(); System.out.println("Generated UID: " + uid); }
}-
优缺点：类似Snowflake算法，但配置更灵活。
九、美团（Leaf）
Leaf是美团点评开源的分布式ID生成系统，包含基于数据库和基于Zookeeper的两种实现方式。
以基于数据库的自增ID生成策略为例(数据库表结构):
CREATE TABLE leaf_alloc ( biz_tag VARCHAR(128) NOT NULL COMMENT '业务key', max_id BIGINT(20) NOT NULL COMMENT '当前已分配的最大id', step INT(11) NOT NULL COMMENT '每次id的增长步长', PRIMARY KEY (biz_tag)
) ENGINE=INNODB DEFAULT CHARSET=utf8mb4;Java 实现:
import java.sql.*; public class LeafIdGenerator { private static final String JDBC_URL = "jdbc:mysql://localhost:3306/your_database?useSSL=false&serverTimezone=UTC"; private static final String USERNAME = "your_username"; private static final String PASSWORD = "your_password"; private static final String UPDATE_SQL = "UPDATE leaf_alloc SET max_id = max_id + ? WHERE biz_tag = ?"; private static final String SELECT_SQL = "SELECT max_id FROM leaf_alloc WHERE biz_tag = ? FOR UPDATE"; public synchronized long getId(String bizTag) throws SQLException { Connection conn = null; PreparedStatement updateStmt = null; PreparedStatement selectStmt = null; ResultSet rs = null; try { conn = DriverManager.getConnection(JDBC_URL, USERNAME, PASSWORD); selectStmt = conn.prepareStatement(SELECT_SQL); selectStmt.setString(1, bizTag); rs = selectStmt.executeQuery(); if (rs.next()) { long maxId = rs.getLong("max_id"); int step = 1000; // 假设步长为1000，你可以从数据库中读取这个值 // 假设这里只是简单演示，不检查是否超过max_id + step是否溢出 updateStmt = conn.prepareStatement(UPDATE_SQL); updateStmt.setInt(1, step); updateStmt.setString(2, bizTag); updateStmt.executeUpdate(); // 返回ID区间中的一个ID，这里简单返回maxId（实际应用中可能需要更复杂的策略） return maxId; } else { // 如果没有找到对应的bizTag，则需要初始化 // ... 初始化代码省略 ... throw new RuntimeException("BizTag not found: " + bizTag); } } finally { // 关闭资源，省略了异常处理 if (rs != null) rs.close(); if (selectStmt != null) selectStmt.close(); if (updateStmt != null) updateStmt.close(); if (conn != null) conn.close(); } } public static void main(String[] args) { LeafIdGenerator generator = new LeafIdGenerator(); try { long id = generator.getId("test-biz-tag"); System.out.println("Generated ID: " + id); } catch (SQLException e) { e.printStackTrace(); } }
}优点：
-
结合了数据库和Zookeeper的优点，提供了高可用和高性能的ID生成服务。
缺点：
-
就是时钟回拨问题、复杂性高。
十、滴滴（Tinyid）
Tinyid是滴滴开源的轻量级分布式ID生成系统，它是基于号段模式原理实现的与Leaf如出一辙，每个服务获取一个号段（1000,2000]、（2000,3000]、（3000,4000]
以下是一个简化的Tinyid，服务端的伪代码:
// 假设我们有一个ID生成器，这里用AtomicLong模拟
import java.util.concurrent.atomic.AtomicLong; public class TinyidService { private AtomicLong idGenerator = new AtomicLong(0); // 模拟的ID生成方法 public synchronized long generateId() { return idGenerator.incrementAndGet(); } // 这里应该是RESTful API的实现，但为简化起见，我们省略了HTTP部分 // 客户端应该通过HTTP请求调用此方法 public long getIdOverHttp() { return generateId(); }
}客户端（Java示例）
import okhttp3.*; public class TinyidClient { private static final String TINYID_SERVICE_URL = "http://localhost:8080/tinyid/generate"; public static void main(String[] args) { OkHttpClient client = new OkHttpClient(); Request request = new Request.Builder() .url(TINYID_SERVICE_URL) .build(); client.newCall(request).enqueue(new Callback() { @Override public void onFailure(Call call, IOException e) { e.printStackTrace(); } @Override public void onResponse(Call call, Response response) throws IOException { if (!response.isSuccessful()) { throw new IOException("Unexpected code " + response); } else { // 假设服务端返回的是纯文本格式的ID String responseBody = response.body().string(); long id = Long.parseLong(responseBody); System.out.println("Generated ID: " + id); } } }); }
}-
优缺点：简单、轻量级，但性能可能不如其他方案。