分布式ID生成方案
唯一ID可以标识数据的唯一性，在分布式系统中生成唯一ID的方案有很多，常见的方式大概有以下几种方式：
- UUID 随机数
- 数据库特性
- Redis 生成 ID
- snowflake 雪花算法(本文将要讨论)
优缺点
| 生成算法 | 优点 | 缺点 | 长度 |
|---|---|---|---|
| UUID | 实现简单，不占用带宽 | ID 是无序的，查询慢，不适合建立索引 | 32字节 |
| 数据库自增 | 代码简单，数据递增 | DB 单点故障等，需 DBA 专业维护 | 递增 |
| snowflake | 低位趋势递增，不占带宽，性能高 | 依赖于服务器时间 | 18字节 |
| Redis自增 incr | 无单点故障，性能高，递增 | 占用带宽，redis 集群维护 | 自定义 |
关于雪花算法
有这样一种说法，自然界中并不存在两片完全一样的雪花(世界上没有两片相同的树叶)，每一片雪花都拥有自己漂亮独特的形状且是独一无二。
雪花算法也表示生成的 ID 如雪花般独一无二，SnowFlake 算法，是 Twitter 开源的分布式 ID 生成算法。
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
雪花算法-组成结构
大致是由：首位无效符、时间戳差值，机器(进程)编码，序列号四部分组成。
- 1 bit：首位无效，为啥呢？
因为二进制里第一个 bit 为如果是 1，那么都是负数，但是我们生成的 id 都是正数，所以第一个 bit 统一都是 0。
- 41 bit：表示的是时间戳，单位是毫秒
41 bit 可以表示的数字多达 2^41 - 1，也就是可以标识 2 ^ 41 - 1 个毫秒值，换算成年就是表示 69 年的时间。
- 10 bit：记录工作机器 id，代表的是这个服务最多可以部署在 2^10 台机器上，也就是 1024 台机器
10 bit 里 5 个 bit 代表机房 id，5 个 bit 代表机器 id。意思就是最多代表 2 ^ 5 个机房（32 个机房），每个机房里可以代表 2 ^ 5 个机器（32 台机器），也可以根据自己公司的实际情况确定。
- 12 bit：这个是用来记录同一个毫秒内产生的不同 id
12 bit 可以代表的最大正整数是 2 ^ 12 - 1 = 4096，也就是说可以用这个 12 bit 代表的数字来区分同一个毫秒内的 4096 个不同的 id。
雪花算法优点
自增、有序、适合分布式场景，生成时不依赖于数据库，完全在内存中生成，每秒能生成数百万的自增 ID，存入数据库中，索引效率高。
- 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。
基于 Snowflake 算法的其他开源方案 百度 uid-generator 、滴滴 Tinyid 、美团leaf
雪花算法的缺点
雪花算法在单机系统上 ID 是递增的，但强依赖与系统时间的一致性，如果系统时间被回拨或者改变，可能会造成 ID 冲突或者重复。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。
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。
