分布式ID方案
一、UUID(唯一通用识别码)（不推荐）
1、使用 （在分布式系统中，所有元素都不需要通过中央控制端来判断数据唯一性。）
UUID.randomUUID().toString().replaceAll("-","");
组成： 当前日期+时间+时钟序列+机器识别号（Mac地址或其他）。
格式： 32位字符
2、优点
生成简单，本地生成无网络消耗，具有唯一性
3、缺点
a、无序的字符串，不具备自增特性
b、没有具体的业务含义
c、长度过长，16字节，128位。MySQL对于36位长度的字符串，存储以及查询对数据库的性能消耗较大，MySQL明确建议主键越短越好，作为数据库主键，UUID的无序性会导致数据位置频繁变动，严重影响性能。
备注：方案二和三 都使用数据库
关系型数据库都实现数据库自增ID；MySQL通过AUTO_INCREMENT实现、Oracle通过Sequence序列实现。 在数据库集群环境下，不同数据库节点可设置不同起步值、相同步长来实现集群下生成全局唯一、递增ID。
_格式： 数字
_
二、数据库自增ID
1、使用
CREATE DATABASE`SEQ_ID`;
CREATE TABLE SEQID.SEQUENCE_ID ( id bigint(20) unsignedNOT NULL auto_increment, value char(10) NOT NULL default'', PRIMARY KEY (id), ) ENGINE=MyISAM;
insert into SEQUENCE_ID(value) VALUES ('values');
2、优点
实现简单，ID单调递增，数值类型查询速度快
3、缺点
a、并发高，访问量激增时MySQL本身就是系统的瓶颈
b、DB单点存在宕机风险，无法扛住高并发场景
三、数据库多主模式
1、使用
对于多机器情况，需要避免重复id的生成解决方案： 设置 起始值 和 自增步长配置：MySQL_1 配置：set @@autoincrementoffset = 1; -- 起始值set @@autoincrementincrement = 2; -- 步长MySQL_2 配置：set @@autoincrementoffset = 2; -- 起始值set @@autoincrementincrement = 2; -- 步长这样两个MySQL实例的自增ID分别就是：1、3、5、7、9 2、4、6、8、10
2、优点
解决DB单点问题
3、缺点
a、不利于后续扩容，在其他集群机器起始值和自增步长确定好之后，新增机器会比较麻烦
b、单个数据库自身压力还是大，高并发的情况下对数据库自身压力还是大
四、号段模式
1、使用
当前主流实现方式之一从数据库批量获取自增ID，每次从数据库取出一个号段范围，例如一次取（1，1000]，代表1000个ID，具体的业务服务将本号段 加载到内存中使用。CREATE TABLE idgenerator ( id int(10) NOTNULL, maxid bigint(20) NOT NULL COMMENT '当前最大id',step int(20) NOT NULL COMMENT '号段的布长',biztype int(20) NOT NULL COMMENT '业务类型', version int(20) NOT NULL COMMENT '版本号', PRIMARY KEY (id) ) biztype ：代表不同业务类型max_id ：当前最大的可用idstep ：代表号段的长度version ：是一个乐观锁，每次都更新version，保证并发时数据的正确性等这批号段ID用完，再次向数据库申请新号段，对maxid字段做一次update操作，update maxid= maxid + step，update成功则说明新号段获取成功，新的号段范围是(maxid ,max_id +step]。update idgenerator set maxid = #{maxid+step}, version = version + 1 where version = # {version} and biztype = XXX使用此方法可以解决大部份问题在单机使用完获取的号段号码后，再去数据库获取即可
2、优点
不强依赖数据库，不会频繁访问数据库，对数据库压力比较小
3、
五、Redis
1、使用
利用 redis 的 incr 命令实现ID的原子性自增127.0.0.1:6379> set seq_id 1 // 初始化自增ID为1OK127.0.0.1:6379> incr seq_id // 增加1，并返回递增后的数值(integer) 2
格式： 12位自由组合
2、优点
使用集群，解决数据库生成ID的性能问题
3、缺点
持久化问题。RDB方式，挂掉重启后会出现ID重复的情况。
六、雪花算法
1、使用
时间戳 + 工作机器id + 序列号
TwitterSnowflake生成的是Long类型的ID，一个Long类型占8个字节，每个字节占8比特，也就是说一个Long类型占64个比特。Snowflake ID组成结构：正数位（占1比特）+ 时间戳（占41比特）+ 机器ID（占5比特）+ 数据中心（占5比特）+ 自增值（占12比特），总共64比特组成的一个Long类型。第一个bit位（1bit）：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。时间戳部分（41bit）：毫秒级的时间，不建议存当前时间戳，而是用（当前时间戳 - 固定开始时间戳）的差值，可以使产生的ID从更小的值开始；41位的时间戳可以使用69年，(1L << 41) / (1000L * 60 * 60 * 24 * 365) = 69年工作机器id（10bit）：也被叫做workId，这个可以灵活配置，机房或者机器号组合都可以。序列号部分（12bit），自增值支持同一毫秒内同一个节点可以生成4096个ID
根据这个算法的逻辑，只需要将这个算法用Java语言实现出来，封装为一个工具方法，
那么各个业务应用可以直接使用该工具方法来获取分布式ID，只需保证每个业务应用有
自己的工作机器id即可，而不需要单独去搭建一个获取分布式ID的应用。Java版本的Snowflake算法实现：/**
* Twitter的SnowFlake算法,使用SnowFlake算法生成一个整数，然后转化为62进制变成一个短地址URL
*
* https://github.com/beyondfengyu/SnowFlake
*/
publicclass SnowFlakeShortUrl {
/**
* 起始的时间戳
*/
privatefinalstaticlong START_TIMESTAMP = 1480166465631L;
/**
* 每一部分占用的位数
*/
privatefinalstaticlong SEQUENCE_BIT = 12; //序列号占用的位数
privatefinalstaticlong MACHINE_BIT = 5; //机器标识占用的位数
privatefinalstaticlong DATA_CENTER_BIT = 5; //数据中心占用的位数
/**
* 每一部分的最大值
*/
privatefinalstaticlong MAX_SEQUENCE = -1L ^ (-1L << SEQUENCE_BIT);
privatefinalstaticlong MAX_MACHINE_NUM = -1L ^ (-1L << MACHINE_BIT);
privatefinalstaticlong MAX_DATA_CENTER_NUM = -1L ^ (-1L << DATA_CENTER_BIT);
/**
* 每一部分向左的位移
*/
privatefinalstaticlong MACHINE_LEFT = SEQUENCE_BIT;
privatefinalstaticlong DATA_CENTER_LEFT = SEQUENCE_BIT + MACHINE_BIT;
privatefinalstaticlong TIMESTAMP_LEFT = DATA_CENTER_LEFT + DATA_CENTER_BIT;
privatelong dataCenterId; //数据中心
privatelong machineId; //机器标识
privatelong sequence = 0L; //序列号
privatelong lastTimeStamp = -1L; //上一次时间戳
private long getNextMill() {
long mill = getNewTimeStamp();
while (mill <= lastTimeStamp) {
mill = getNewTimeStamp();
}
return mill;
}
private long getNewTimeStamp() {
return System.currentTimeMillis();
}
/**
* 根据指定的数据中心ID和机器标志ID生成指定的序列号
*
* @param dataCenterId 数据中心ID
* @param machineId 机器标志ID
*/
public SnowFlakeShortUrl(long dataCenterId, long machineId) {
if (dataCenterId > MAX_DATA_CENTER_NUM || dataCenterId < 0) {
thrownew IllegalArgumentException("DtaCenterId can't be greater than MAX_DATA_CENTER_NUM or less than 0！");
}
if (machineId > MAX_MACHINE_NUM || machineId < 0) {
thrownew 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 currTimeStamp = getNewTimeStamp();
if (currTimeStamp < lastTimeStamp) {
thrownew 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;
//同一毫秒的序列数已经达到最大
if (sequence == 0L) {
currTimeStamp = getNextMill();
}
} else {
//不同毫秒内，序列号置为0
sequence = 0L;
}
lastTimeStamp = currTimeStamp;
return (currTimeStamp - START_TIMESTAMP) << TIMESTAMP_LEFT //时间戳部分
| dataCenterId << DATA_CENTER_LEFT //数据中心部分
| machineId << MACHINE_LEFT //机器标识部分
| 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进制
System.out.println(snowFlake.nextId());
}
}
}
格式： 18位数字
代码实现，后续补充。。。
