一、為什麼要用分布式ID？

1、什麼是分布式ID？

2、那麼分布式ID需要滿足那些條件？

二、分布式ID都有哪些生成方式？

1、基于UUID（不推薦）

2、基于資料庫自增ID（不推薦）

3、基于資料庫叢集模式（不推薦）

4、基于資料庫的号段模式

5、基于Redis模式

6、基于雪花算法（Snowflake）模式

7、百度（uid-generator）

8、美團（Leaf）

号段模式

snowflake模式

9、滴滴（Tinyid）

Http方式接入

Java用戶端方式接入

總結

以下文章來源于公衆号：程式員内點事，作者程式員内點事

一、為什麼要用分布式ID？

在說分布式ID的具體實作之前，我們來簡單分析一下為什麼用分布式ID？分布式ID應該滿足哪些特征？

1、什麼是分布式ID？

拿MySQL資料庫舉個栗子：

在我們業務資料量不大的時候，單庫單表完全可以支撐現有業務，資料再大一點搞個MySQL主從同步讀寫分離也能對付。

但随着資料日漸增長，主從同步也扛不住了，就需要對資料庫進行分庫分表，但分庫分表後需要有一個唯一ID來辨別一條資料，資料庫的自增ID顯然不能滿足需求；特别一點的如訂單、優惠券也都需要有

唯一ID

做辨別。此時一個能夠生成

全局唯一ID

的系統是非常必要的。那麼這個

全局唯一ID

就叫

分布式ID

。

2、那麼分布式ID需要滿足那些條件？

全局唯一：必須保證ID是全局性唯一的，基本要求

高性能：高可用低延時，ID生成響應要塊，否則反倒會成為業務瓶頸

高可用：100%的可用性是騙人的，但是也要無限接近于100%的可用性

好接入：要秉着拿來即用的設計原則，在系統設計和實作上要盡可能的簡單

趨勢遞增：最好趨勢遞增，這個要求就得看具體業務場景了，一般不嚴格要求

二、分布式ID都有哪些生成方式？

今天主要分析一下以下9種，分布式ID生成器方式以及優缺點：

UUID

資料庫自增ID

資料庫多主模式

号段模式

Redis

雪花算法（SnowFlake）

滴滴出品（TinyID）

百度（Uidgenerator）

美團（Leaf）

那麼它們都是如何實作？以及各自有什麼優缺點？我們往下看

9種分布式ID生成算法一、為什麼要用分布式ID？二、分布式ID都有哪些生成方式？總結

1、基于UUID（不推薦）

在Java的世界裡，想要得到一個具有唯一性的ID，首先被想到可能就是

UUID

，畢竟它有着全球唯一的特性。那麼

UUID

可以做

分布式ID

嗎？答案是可以的，但是并不推薦！

public static void main(String[] args) { 
       String uuid = UUID.randomUUID().toString().replaceAll("-","");
       System.out.println(uuid);
 }

UUID

的生成簡單到隻有一行代碼，輸出結果

c2b8c2b9e46c47e3b30dca3b0d447718

但UUID卻并不适用于實際的業務需求。像用作訂單号

UUID

這樣的字元串沒有絲毫的意義，看不出和訂單相關的有用資訊；而對于資料庫來說用作業務

主鍵ID

，它不僅是太長還是字元串，存儲性能差查詢也很耗時，是以不推薦用作

分布式ID

。

優點：

生成足夠簡單，本地生成無網絡消耗，具有唯一性

缺點：

無序的字元串，不具備趨勢自增特性
沒有具體的業務含義
長度過長16 位元組128位，36位長度的字元串，存儲以及查詢對MySQL的性能消耗較大，MySQL官方明确建議主鍵要盡量越短越好，作為資料庫主鍵 UUID 的無序性會導緻資料位置頻繁變動，嚴重影響性能。

2、基于資料庫自增ID（不推薦）

基于資料庫的

auto_increment

自增ID完全可以充當

分布式ID

，具體實作：需要一個單獨的MySQL執行個體用來生成ID，建表結構如下：

CREATE DATABASE `SEQ_ID`;
CREATE TABLE SEQID.SEQUENCE_ID (
    id bigint(20) unsigned NOT NULL auto_increment, 
    value char(10) NOT NULL default '',
    PRIMARY KEY (id),
) ENGINE=MyISAM;

insert into SEQUENCE_ID(value)  VALUES ('values');

當我們需要一個ID的時候，向表中插入一條記錄傳回

主鍵ID

，但這種方式有一個比較緻命的缺點，通路量激增時MySQL本身就是系統的瓶頸，用它來實作分布式服務風險比較大，不推薦！

優點：

實作簡單，ID單調自增，數值類型查詢速度快

缺點：

DB單點存在當機風險，無法扛住高并發場景

3、基于資料庫叢集模式（不推薦）

前邊說了單點資料庫方式不可取，那對上邊的方式做一些高可用優化，換成主從模式叢集。害怕一個主節點挂掉沒法用，那就做雙主模式叢集，也就是兩個Mysql執行個體都能單獨的生産自增ID。

那這樣還會有個問題，兩個MySQL執行個體的自增ID都從1開始，會生成重複的ID怎麼辦？

解決方案：設定

起始值

和

自增步長

MySQL_1 配置：

set @@auto_increment_offset = 1;     -- 起始值
set @@auto_increment_increment = 2;  -- 步長

MySQL_2 配置：

set @@auto_increment_offset = 2;     -- 起始值
set @@auto_increment_increment = 2;  -- 步長

這樣兩個MySQL執行個體的自增ID分别就是：

1、3、5、7、9

2、4、6、8、10

那如果叢集後的性能還是扛不住高并發咋辦？就要進行MySQL擴容增加節點，這是一個比較麻煩的事。

9種分布式ID生成算法一、為什麼要用分布式ID？二、分布式ID都有哪些生成方式？總結

從上圖可以看出，水準擴充的資料庫叢集，有利于解決資料庫單點壓力的問題，同時為了ID生成特性，将自增步長按照機器數量來設定。

增加第三台

MySQL

執行個體需要人工修改一、二兩台

MySQL執行個體

的起始值和步長，把

第三台機器的ID

起始生成位置設定在比現有

最大自增ID

的位置遠一些，但必須在一、二兩台

MySQL執行個體

ID還沒有增長到

第三台MySQL執行個體

的

起始ID

值的時候，否則

自增ID

就要出現重複了，必要時可能還需要停機修改。

優點：

解決DB單點問題

缺點：

不利于後續擴容，而且實際上單個資料庫自身壓力還是大，依舊無法滿足高并發場景。

4、基于資料庫的号段模式

号段模式是當下分布式ID生成器的主流實作方式之一，号段模式可以了解為從資料庫批量的擷取自增ID，每次從資料庫取出一個号段範圍，例如 (1,1000] 代表1000個ID，具體的業務服務将本号段，生成1~1000的自增ID并加載到記憶體。表結構如下：

CREATE TABLE id_generator (
  id int(10) NOT NULL,
  max_id bigint(20) NOT NULL COMMENT '目前最大id',
  step int(20) NOT NULL COMMENT '号段的布長',
  biz_type    int(20) NOT NULL COMMENT '業務類型',
  version int(20) NOT NULL COMMENT '版本号',
  PRIMARY KEY (`id`)
)

biz_type ：代表不同業務類型

max_id ：目前最大的可用id

step ：代表号段的長度

version ：是一個樂觀鎖，每次都更新version，保證并發時資料的正确性

id	biz_type	max_id	step	version
1	101	1000	2000

等這批号段ID用完，再次向資料庫申請新号段，對

max_id

字段做一次

update

操作，

update max_id= max_id + step

，update成功則說明新号段擷取成功，新的号段範圍是

(max_id ,max_id +step]

。

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

由于多業務端可能同時操作，是以采用版本号

version

樂觀鎖方式更新，這種

分布式ID

生成方式不強依賴于資料庫，不會頻繁的通路資料庫，對資料庫的壓力小很多。

5、基于Redis模式

Redis

也同樣可以實作，原理就是利用

redis

的

incr

指令實作ID的原子性自增。

127.0.0.1:6379> set seq_id 1     // 初始化自增ID為1
OK
127.0.0.1:6379> incr seq_id      // 增加1，并傳回遞增後的數值
(integer) 2

用

redis

實作需要注意一點，要考慮到redis持久化的問題。

redis

有兩種持久化方式

RDB

和

AOF

RDB 會定時打一個快照進行持久化，假如連續自增但 redis 沒及時持久化，而這會Redis挂掉了，重新開機Redis後會出現ID重複的情況。

AOF 會對每條寫指令進行持久化，即使 Redis 挂掉了也不會出現ID重複的情況，但由于incr指令的特殊性，會導緻 Redis 重新開機恢複的資料時間過長。

6、基于雪花算法（Snowflake）模式

雪花算法（Snowflake）是twitter公司内部分布式項目采用的ID生成算法，開源後廣受國内大廠的好評，在該算法影響下各大公司相繼開發出各具特色的分布式生成器。

9種分布式ID生成算法一、為什麼要用分布式ID？二、分布式ID都有哪些生成方式？總結

Snowflake

生成的是Long類型的ID，一個Long類型占8個位元組，每個位元組占8比特，也就是說一個Long類型占64個比特。

Snowflake ID組成結構：

正數位

（占1比特）+

時間戳

（占41比特）+

機器ID

（占5比特）+

資料中心

（占5比特）+

自增值

（占12比特），總共64比特組成的一個Long類型。

第一個bit位（1bit）：Java中long的最高位是符号位代表正負，正數是0，負數是1，一般生成ID都為正數，是以預設為0。

時間戳部分（41bit）：毫秒級的時間，不建議存目前時間戳，而是用（目前時間戳 - 固定開始時間戳）的內插補點，可以使産生的ID從更小的值開始；41位的時間戳可以使用69年，(1L << 41) / (1000L * 60 * 60 * 24 * 365) = 69年

工作機器id（10bit）：也被叫做 workId ，這個可以靈活配置，機房或者機器号組合都可以。

序列号部分（12bit），自增值支援同一毫秒内同一個節點可以生成4096個ID

根據這個算法的邏輯，隻需要将這個算法用Java語言實作出來，封裝為一個工具方法，那麼各個業務應用可以直接使用該工具方法來擷取分布式ID，隻需保證每個業務應用有自己的工作機器id即可，而不需要單獨去搭建一個擷取分布式ID的應用。

Java版本的

Snowflake

算法實作：

/**
 * Twitter的SnowFlake算法,使用SnowFlake算法生成一個整數，然後轉化為62進制變成一個短位址URL
 *
 * https://github.com/beyondfengyu/SnowFlake
 */
public class SnowFlakeShortUrl {

    /**
     * 起始的時間戳
     */
    private final static long START_TIMESTAMP = 1480166465631L;

    /**
     * 每一部分占用的位數
     */
    private final static long SEQUENCE_BIT = 12;   //序列号占用的位數
    private final static long MACHINE_BIT = 5;     //機器辨別占用的位數
    private final static long DATA_CENTER_BIT = 5; //資料中心占用的位數

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

    /**
     * 每一部分向左的位移
     */
    private final static long MACHINE_LEFT = SEQUENCE_BIT;
    private final static long DATA_CENTER_LEFT = SEQUENCE_BIT + MACHINE_BIT;
    private final static long TIMESTAMP_LEFT = DATA_CENTER_LEFT + DATA_CENTER_BIT;

    private long dataCenterId;  //資料中心
    private long machineId;     //機器辨別
    private long sequence = 0L; //序列号
    private long lastTimeStamp = -1L;  //上一次時間戳

    private long getNextMill() {
        long mill = getNewTimeStamp();
        while (mill <= lastTimeStamp) {
            mill = getNewTimeStamp();
        }
        return mill;
    }

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

    /**
     * 根據指定的資料中心ID和機器标志ID生成指定的序列号
     *
     * @param dataCenterId 資料中心ID
     * @param machineId    機器标志ID
     */
    public SnowFlakeShortUrl(long dataCenterId, long machineId) {
        if (dataCenterId > MAX_DATA_CENTER_NUM || dataCenterId < 0) {
            throw new IllegalArgumentException("DtaCenterId can't be greater than MAX_DATA_CENTER_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;
    }

    /**
     * 産生下一個ID
     *
     * @return
     */
    public synchronized long nextId() {
        long currTimeStamp = getNewTimeStamp();
        if (currTimeStamp < lastTimeStamp) {
            throw new RuntimeException("Clock moved backwards.  Refusing to generate id");
        }

        if (currTimeStamp == lastTimeStamp) {
            //相同毫秒内，序列号自增
            sequence = (sequence + 1) & MAX_SEQUENCE;
            //同一毫秒的序列數已經達到最大
            if (sequence == 0L) {
                currTimeStamp = getNextMill();
            }
        } else {
            //不同毫秒内，序列号置為0
            sequence = 0L;
        }

        lastTimeStamp = currTimeStamp;

        return (currTimeStamp - START_TIMESTAMP) << TIMESTAMP_LEFT //時間戳部分
                | dataCenterId << DATA_CENTER_LEFT       //資料中心部分
                | machineId << MACHINE_LEFT             //機器辨別部分
                | sequence;                             //序列号部分
    }

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

        for (int i = 0; i < (1 << 4); i++) {
            //10進制
            System.out.println(snowFlake.nextId());
        }
    }
}

7、百度（uid-generator）

uid-generator

是由百度技術部開發，項目GitHub位址

https://github.com/baidu/uid-generator

uid-generator

是基于

Snowflake

算法實作的，與原始的

snowflake

算法不同在于，

uid-generator

支援自

定義時間戳

、

工作機器ID

和

序列号

等各部分的位數，而且

uid-generator

中采用使用者自定義

workId

的生成政策。

uid-generator

需要與資料庫配合使用，需要新增一個

WORKER_NODE

表。當應用啟動時會向資料庫表中去插入一條資料，插入成功後傳回的自增ID就是該機器的

workId

資料由host，port組成。

對于

uid-generator

ID組成結構：

workId

，占用了22個bit位，時間占用了28個bit位，序列化占用了13個bit位，需要注意的是，和原始的

snowflake

不太一樣，時間的機關是秒，而不是毫秒，

workId

也不一樣，而且同一應用每次重新開機就會消費一個

workId

。

參考文獻

https://github.com/baidu/uid-generator/blob/master/README.zh_cn.md

8、美團（Leaf）

Leaf

由美團開發，github位址：

https://github.com/Meituan-Dianping/Leaf

Leaf

同時支援号段模式和

snowflake

算法模式，可以切換使用。

号段模式

先導入源碼 https://github.com/Meituan-Dianping/Leaf ，在建一張表

leaf_alloc

DROP TABLE IF EXISTS `leaf_alloc`;

CREATE TABLE `leaf_alloc` (
  `biz_tag` varchar(128)  NOT NULL DEFAULT '' COMMENT '業務key',
  `max_id` bigint(20) NOT NULL DEFAULT '1' COMMENT '目前已經配置設定了的最大id',
  `step` int(11) NOT NULL COMMENT '初始步長，也是動态調整的最小步長',
  `description` varchar(256)  DEFAULT NULL COMMENT '業務key的描述',
  `update_time` timestamp NOT NULL DEFAULT CURRENT_TIMESTAMP ON UPDATE CURRENT_TIMESTAMP COMMENT '資料庫維護的更新時間',
  PRIMARY KEY (`biz_tag`)
) ENGINE=InnoDB;

然後在項目中開啟

号段模式

，配置對應的資料庫資訊，并關閉

snowflake

模式

leaf.name=com.sankuai.leaf.opensource.test
leaf.segment.enable=true
leaf.jdbc.url=jdbc:mysql://localhost:3306/leaf_test?useUnicode=true&characterEncoding=utf8&characterSetResults=utf8
leaf.jdbc.username=root
leaf.jdbc.password=root

leaf.snowflake.enable=false
#leaf.snowflake.zk.address=
#leaf.snowflake.port=

啟動

leaf-server

子產品的

LeafServerApplication

項目就跑起來了

号段模式擷取分布式自增ID的測試url ：

http：//localhost：8080/api/segment/get/leaf-segment-test

監控号段模式：

http://localhost:8080/cache

snowflake模式

Leaf

的snowflake模式依賴于

ZooKeeper

，不同于

原始snowflake

算法也主要是在

workId

的生成上，

Leaf

中

workId

是基于

ZooKeeper

的順序Id來生成的，每個應用在使用

Leaf-snowflake

時，啟動時都會都在

Zookeeper

中生成一個順序Id，相當于一台機器對應一個順序節點，也就是一個

workId

。

leaf.snowflake.enable=true
leaf.snowflake.zk.address=127.0.0.1
leaf.snowflake.port=2181

snowflake模式擷取分布式自增ID的測試url：

http://localhost:8080/api/snowflake/get/test

傳送門：美團（Leaf）分布式ID算法(實戰)

9、滴滴（Tinyid）

Tinyid

由滴滴開發，Github位址：

https://github.com/didi/tinyid

Tinyid

是基于号段模式原理實作的與

Leaf

如出一轍，每個服務擷取一個号段（1000,2000]、（2000,3000]、（3000,4000]

9種分布式ID生成算法一、為什麼要用分布式ID？二、分布式ID都有哪些生成方式？總結

Tinyid

提供

http

和

tinyid-client

兩種方式接入

Http方式接入

（1）導入Tinyid源碼：

git clone https://github.com/didi/tinyid.git

（2）建立資料表：

CREATE TABLE `tiny_id_info` (
  `id` bigint(20) unsigned NOT NULL AUTO_INCREMENT COMMENT '自增主鍵',
  `biz_type` varchar(63) NOT NULL DEFAULT '' COMMENT '業務類型，唯一',
  `begin_id` bigint(20) NOT NULL DEFAULT '0' COMMENT '開始id，僅記錄初始值，無其他含義。初始化時begin_id和max_id應相同',
  `max_id` bigint(20) NOT NULL DEFAULT '0' COMMENT '目前最大id',
  `step` int(11) DEFAULT '0' COMMENT '步長',
  `delta` int(11) NOT NULL DEFAULT '1' COMMENT '每次id增量',
  `remainder` int(11) NOT NULL DEFAULT '0' COMMENT '餘數',
  `create_time` timestamp NOT NULL DEFAULT '2010-01-01 00:00:00' COMMENT '建立時間',
  `update_time` timestamp NOT NULL DEFAULT '2010-01-01 00:00:00' COMMENT '更新時間',
  `version` bigint(20) NOT NULL DEFAULT '0' COMMENT '版本号',
  PRIMARY KEY (`id`),
  UNIQUE KEY `uniq_biz_type` (`biz_type`)
) ENGINE=InnoDB AUTO_INCREMENT=1 DEFAULT CHARSET=utf8 COMMENT 'id資訊表';

CREATE TABLE `tiny_id_token` (
  `id` int(11) unsigned NOT NULL AUTO_INCREMENT COMMENT '自增id',
  `token` varchar(255) NOT NULL DEFAULT '' COMMENT 'token',
  `biz_type` varchar(63) NOT NULL DEFAULT '' COMMENT '此token可通路的業務類型辨別',
  `remark` varchar(255) NOT NULL DEFAULT '' COMMENT '備注',
  `create_time` timestamp NOT NULL DEFAULT '2010-01-01 00:00:00' COMMENT '建立時間',
  `update_time` timestamp NOT NULL DEFAULT '2010-01-01 00:00:00' COMMENT '更新時間',
  PRIMARY KEY (`id`)
) ENGINE=InnoDB AUTO_INCREMENT=1 DEFAULT CHARSET=utf8 COMMENT 'token資訊表';

INSERT INTO `tiny_id_info` 
(`id`, `biz_type`, `begin_id`, `max_id`, `step`, `delta`, `remainder`, `create_time`, `update_time`, `version`)
VALUES
    (1, 'test', 1, 1, 100000, 1, 0, '2018-07-21 23:52:58', '2018-07-22 23:19:27', 1);

INSERT INTO `tiny_id_info` 
(`id`, `biz_type`, `begin_id`, `max_id`, `step`, `delta`, `remainder`, `create_time`, `update_time`, `version`)
VALUES
    (2, 'test_odd', 1, 1, 100000, 2, 1, '2018-07-21 23:52:58', '2018-07-23 00:39:24', 3);


INSERT INTO `tiny_id_token` 
(`id`, `token`, `biz_type`, `remark`, `create_time`, `update_time`)
VALUES
    (1, '0f673adf80504e2eaa552f5d791b644c', 'test', '1', '2017-12-14 16:36:46', '2017-12-14 16:36:48');

INSERT INTO `tiny_id_token` 
(`id`, `token`, `biz_type`, `remark`, `create_time`, `update_time`)
VALUES
    (2, '0f673adf80504e2eaa552f5d791b644c', 'test_odd', '1', '2017-12-14 16:36:46', '2017-12-14 16:36:48');

（3）配置資料庫：

datasource.tinyid.names=primary
datasource.tinyid.primary.driver-class-name=com.mysql.jdbc.Driver
datasource.tinyid.primary.url=jdbc:mysql://ip:port/databaseName?autoReconnect=true&useUnicode=true&characterEncoding=UTF-8
datasource.tinyid.primary.username=root
datasource.tinyid.primary.password=123456

（4）啟動

tinyid-server

後測試

擷取分布式自增ID: http://localhost:9999/tinyid/id/nextIdSimple?bizType=test&token=0f673adf80504e2eaa552f5d791b644c'
傳回結果: 3

批量擷取分布式自增ID:
http://localhost:9999/tinyid/id/nextIdSimple?bizType=test&token=0f673adf80504e2eaa552f5d791b644c&batchSize=10'
傳回結果:  4,5,6,7,8,9,10,11,12,13

Java用戶端方式接入

重複Http方式的（2）（3）操作

引入依賴

       <dependency>
            <groupId>com.xiaoju.uemc.tinyid</groupId>
            <artifactId>tinyid-client</artifactId>
            <version>${tinyid.version}</version>
        </dependency>

配置檔案

tinyid.server =localhost:9999
tinyid.token =0f673adf80504e2eaa552f5d791b644c

test

、

tinyid.token

是在資料庫表中預先插入的資料，

test

是具體業務類型，

tinyid.token

表示可通路的業務類型

// 擷取單個分布式自增ID
Long id =  TinyId . nextId( " test " );

// 按需批量分布式自增ID
List< Long > ids =  TinyId . nextId( " test " , 10 );

傳送門：滴滴（Tinyid）分布式ID算法(實戰)

總結

本文隻是簡單介紹一下每種分布式ID生成器，旨在給大家一個詳細學習的方向，每種生成方式都有它自己的優缺點，具體如何使用還要看具體的業務需求。

9種分布式ID生成算法一、為什麼要用分布式ID？二、分布式ID都有哪些生成方式？總結

一、為什麼要用分布式ID？

1、什麼是分布式ID？

2、那麼分布式ID需要滿足那些條件？

二、分布式ID都有哪些生成方式？

1、基于UUID（不推薦）

2、基于資料庫自增ID（不推薦）

3、基于資料庫叢集模式（不推薦）

4、基于資料庫的号段模式

5、基于Redis模式

6、基于雪花算法（Snowflake）模式

7、百度（uid-generator）

8、美團（Leaf）

号段模式

snowflake模式

9、滴滴（Tinyid）

Http方式接入

Java用戶端方式接入

總結

繼續閱讀

初步探索java中的UUID概念代碼Time-based UUID

自動生成uuid的工具類

JAVA生成UUID的方法總結

UUIDUUID.randomUUID().toString() 的作用

工具類擷取32位随機字元uuid 與 sql語句插入uuid

Java - java.util.UUID

Java中生成唯一辨別符的方法

生成較短的UUID生成較短的UUID

mysql的uuid()主鍵重複

擷取IDFA UUID

iOS擷取裝置APP的UUID

随機UUID的生成

雪花算法（SnowFlake）的更新版可靠實作，解決時鐘回撥抛出異常導緻業務中斷的問題傳統算法的缺點解決方法不足代碼

雪花算法snowflake分布式id生成原理詳解，以及對解決時鐘回撥問題幾種方案讨論

python 擷取uuid

分布式中id解決方案（含雪花算法）分布式id解決方案

9種分布式ID生成算法一、為什麼要用分布式ID？二、 分布式ID都有哪些生成方式？總結

一、為什麼要用分布式ID？

1、什麼是分布式ID？

2、那麼分布式ID需要滿足那些條件？

二、 分布式ID都有哪些生成方式？

1、基于UUID（不推薦）

2、基于資料庫自增ID（不推薦）

3、基于資料庫叢集模式（不推薦）

4、基于資料庫的号段模式

5、基于Redis模式

6、基于雪花算法（Snowflake）模式

7、百度（uid-generator）

8、美團（Leaf）

号段模式

snowflake模式

9、滴滴（Tinyid）

Http方式接入

Java用戶端方式接入

總結

繼續閱讀

9種分布式ID生成算法一、為什麼要用分布式ID？二、分布式ID都有哪些生成方式？總結

二、分布式ID都有哪些生成方式？