依赖数据库，使用如MySQL自增列或Oracle序列等。
UUID随机数
snowflake雪花算法（本文将要讨论）
一、数据库和UUID方案的不足之处
采用数据库自增序列：
读写分离时，只有主节点可以进行写操作，可能有单点故障的风险
分表分库，数据迁移合并等比较麻烦
UUID随机数
采用无意义字符串，没有排序
UUID使用字符串形式存储，数据量大时查询效率比较低
二、关于雪花算法
有这么一种说法，自然界中并不存在两片完全一样的雪花的。每一片雪花都拥有自己漂亮独特的形状、独一无二。雪花算法也表示生成的ID如雪花般独一无仁。
雪花算法概述
雪花算法生成的ID是纯数字且具有时间顺序的。其原始版本是scala版，后面出现了许多其他语言的版本如Java、C++等。
组成结构
大致由：首位无效符、时间戳差值，机器（进程）编码，序列号四部分组成。
特点（自增、有序、适合分布式场景）
时间位：可以根据时间进行排序，有助于提高查询速度。
机器id位：适用于分布式环境下对多节点的各个节点进行标识，可以具体根据节点数和部署情况设计划分机器位10位长度，如划分5位表示进程位等。
序列号位：是一系列的自增id，可以支持同一节点同一毫秒生成多个ID序号，12位的计数序列号支持每个节点每毫秒产生4096个ID序号
snowflake算法可以根据项目情况以及自身需要进行一定的修改。
三、雪花算法的缺点
雪花算法在单机系统上ID是递增的，但是在分布式系统多节点的情况下，所有节点的时钟并不能保证不完全同步，所以有可能会出现不是全局递增的情况。
四、总结
分布式唯一ID的方案有很多，本文主要讨论了雪花算法，组成结构大致分为了无效位、时间位、机器位和序列号位。其特点是自增、有序、纯数字组成查询效率高且不依赖于数据库。适合在分布式的场景中应用，可根据需求调整具体实现细节。
联系客服
