SnowFlake算法

SnowFlake算法

问题：如何在分布式集群中生成全局唯一的ID？

方法一：UUID

UUID是通用唯一识别码 (Universally Unique Identifier)，在其他语言中也叫GUID，可以生成一个长度32位的全局唯一识别码。

//e493a18e-61d0-499a-87c1-650d03735edb
String uuid = UUID.randomUUID().toString()

UUID可以保证全局唯一，但是占用32位有些太长，而且是无序的，入库时性能较差。

众所周知，关系型数据库的索引大都是B+树的结构，拿ID字段来举例，索引树的每一个节点都存储着若干个ID。
如果我们的ID按递增的顺序来插入，比如陆续插入8，9，10，新的ID都只会插入到最后一个节点当中。当最后一个节点满了，会裂变出新的节点。这样的插入是性能比较高的插入，因为这样节点的分裂次数最少，而且充分利用了每一个节点的空间。
但是，如果我们的插入完全无序，不但会导致一些中间节点产生分裂，也会白白创造出很多不饱和的节点，这样大大降低了数据库插入的性能。

方法二：数据库自增主键

为了提高性能，在分布式系统中可以用DB proxy请求不同的分库，每个分库设置不同的初始值，步长和分库数量相等：这样一来，DB1生成的ID是1,4,7,10,13….，DB2生成的ID是2,5,8,11,14…..

ID的生成对数据库严重依赖，不仅影响性能，而且数据库一旦挂掉，服务不可用。

方法三：SnowFlake算法

SnowFlake所生成的ID一共分成四部分：

• 第一位：占用1bit，其值始终是0，没有实际作用。
• 时间戳：占用41bit，精确到毫秒，总共可以容纳约140年的时间。
• 工作机器ID：占用10bit，其中高位5bit是数据中心ID（datacenterId），低位5bit是工作节点ID（workerId），做多可以容纳1024个节点。
• 序列号：占用12bit，这个值在同一毫秒同一节点上从0开始不断累加，最多可以累加到4095。

同一毫秒可以生成1024*4096个ID。

SnowFlake算法的优缺点

SnowFlake算法的优点：
1.生成ID时不依赖于DB，完全在内存生成，高性能高可用。
2.ID呈趋势递增，后续插入索引树的时候性能较好。
SnowFlake算法的缺点：
依赖于系统时钟的一致性。如果某台机器的系统时钟回拨，有可能造成ID冲突，或者ID乱序。