海量ID生成策略

ID生成策略-数据库自增IDID生成策略-UUIDID生成策略-雪花算法（Snowflake）

场景搭建：时间轴回滚几个月。口罩一罩难求。或者是双十一的时候生成订单的时候… 订单ID生成要求： 唯一性：高可用：高并发：趋势递增：安全性 简单说说淘宝的双十一的情况：双十一成交量大概是十亿比。（10亿/24小时/60分/60秒打约1.2万一秒

ID生成策略-数据库自增ID

搞个图形化界面去弄个自增长

以上是一种ID生成策略，但是我相信用的还是很少的原因：MySQL在优化的比较好的情况下，它的最大并发量也只是能够达到700。这种情况下如果需要完成上面的需求，起码需要10多个MySQL来完成（第一点：不太现实，。除非钱多了没地方花，专门搞这么多个MySQL来做ID生成。第二点：就算给你了这么多怎么搞呢？） 这里简单说说第二点：（到做到数据同步的两种方式） MySQL主从同步（发现不可以，因为我们基本上都是inser或者update语句，还是只有一个数据库来完成。没有意义） MySQL主主同步（可能存在主键冲突） 解决方案：改配置文件中的自增长长度（my.cnf） 如果是非主键能使用自增长嘛？ 自己可以去试试，是不可以的。但是我们还是可以实现的，使用last_insert_id()函数

需要注意：使用自增长ID有可能会被抓住机会，特别是不注意安全的时候，比如说请求地址被获取，又没有加密，还使用get提交（嗯。没有出事还好，出事了会很难看）

ID生成策略-UUID

UUID（通用唯一识别码）：时间戳(当前日期+时间)+时钟序列+机器识别号

UUID使用

进入randomUUID(方法中看下源码…) 默认是version 4的版本（基于随机数）随机数，你懂的，有可能是会重复的哦，所以一般还是推荐使用version1的。当然不能有时间回拨问题

version1 基于时间 version2 DCE（安全） version3 MD5 version5 SHA1

优点很明显，代码简单，缺点就是对于我们来说是不可读的，没有办法去判断那个是先那个是后（没有递增关系） 而且数据也很长。所以存放的数据量也会比较大（这个是不好的，看下图） 不递增，可读性差，查询慢

ID生成策略-雪花算法（Snowflake）

大自然中几乎找不到两朵完全相同的雪花 组成：41位时间戳+10位机器ID+12位序号（自增），转换成长度为18的长整型 GitHub上面的

提供代码：最重要的就是nextId()这个方法

package com.onlyk.swaggerdome.test; public class SnowFlake { /** * 起始的时间戳 */ private final static long START_STMP = 1480166465631L; /** * 每一部分占用的位数 */ private final static long SEQUENCE_BIT = 12; //序列号占用的位数 private final static long MACHINE_BIT = 5; //机器标识占用的位数 private final static long DATACENTER_BIT = 5;//数据中心占用的位数 /** * 每一部分的最大值 */ private final static long MAX_DATACENTER_NUM = -1L ^ (-1L << DATACENTER_BIT); private final static long MAX_MACHINE_NUM = -1L ^ (-1L << MACHINE_BIT); private final static long MAX_SEQUENCE = -1L ^ (-1L << SEQUENCE_BIT); /** * 每一部分向左的位移 */ private final static long MACHINE_LEFT = SEQUENCE_BIT; private final static long DATACENTER_LEFT = SEQUENCE_BIT + MACHINE_BIT; private final static long TIMESTMP_LEFT = DATACENTER_LEFT + DATACENTER_BIT; private long datacenterId; //数据中心 private long machineId; //机器标识 private long sequence = 0L; //序列号 private long lastStmp = -1L;//上一次时间戳 public SnowFlake(long datacenterId, long machineId) { if (datacenterId > MAX_DATACENTER_NUM || datacenterId < 0) { throw new IllegalArgumentException("datacenterId can't be greater than MAX_DATACENTER_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; } /** * 产生下一个ID * * @return */ public synchronized long nextId() { long currStmp = getNewstmp(); if (currStmp < lastStmp) { throw new RuntimeException("Clock moved backwards. Refusing to generate id"); } //都在同一毫秒里面 if (currStmp == lastStmp) { //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) { currStmp = getNextMill(); } } else { //不同毫秒内，序列号置为0 sequence = 0L; } lastStmp = currStmp; return (currStmp - START_STMP) << TIMESTMP_LEFT //时间戳部分 | datacenterId << DATACENTER_LEFT //数据中心部分 | machineId << MACHINE_LEFT //机器标识部分 | sequence; //序列号部分 } private long getNextMill() { long mill = getNewstmp(); while (mill <= lastStmp) { mill = getNewstmp(); } return mill; } private long getNewstmp() { return System.currentTimeMillis(); } public static void main(String[] args) { SnowFlake snowFlake = new SnowFlake(2, 3); for (int i = 0; i < (1 << 12); i++) { System.out.println(snowFlake.nextId()); } } }

可以自己运行一下看看结果 嗯…后续会尝试着为各路神仙解读雪花算法