一、为什么要用分布式ID？
在说分布式ID的具体实现之前，我们来简单分析一下为什么用分布式ID？分布式ID应该满足哪些特征？
1、什么是分布式ID？
拿MySQL数据库举个栗子：
在我们业务数据量不大的时候，单库单表完全可以支撑现有业务，数据再大一点搞个MySQL主从同步读写分离也能对付。
但随着数据日渐增长，主从同步也扛不住了，就需要对数据库进行分库分表，但分库分表后需要有一个唯一ID来标识一条数据，数据库的自增ID显然不能满足需求；特别一点的如订单、优惠券也都需要有唯一ID做标识。此时一个能够生成全局唯一ID的系统是非常必要的。那么这个全局唯一ID就叫分布式ID。
2、那么分布式ID需要满足哪些条件？
全局唯一：必须保证ID是全局性唯一的，基本要求
高性能：高可用低延时，ID生成响应要快，否则反倒会成为业务瓶颈
高可用：100%的可用性是骗人的，但是也要无限接近于100%的可用性
好接入：要秉着拿来即用的设计原则，在系统设计和实现上要尽可能的简单
趋势递增：最好趋势递增，这个要求就得看具体业务场景了，一般不严格要求
二、 分布式ID都有哪些生成方式？
今天主要分析一下以下9种，分布式ID生成器方式以及优缺点：
UUID
数据库自增ID
数据库多主模式
号段模式
Redis
雪花算法（SnowFlake）
滴滴出品（TinyID）
百度 （Uidgenerator）
美团（Leaf）
那么它们都是如何实现？以及各自有什么优缺点？我们往下看
以上图片源自网络，如有侵权联系删除
1、基于UUID
在Java的世界里，想要得到一个具有唯一性的ID，首先被想到可能就是UUID，毕竟它有着全球唯一的特性。那么UUID可以做分布式ID吗？答案是可以的，但是并不推荐！
publicstaticvoidmain(String[] args){ String uuid = UUID.randomUUID().toString().replaceAll("-",""); System.out.println(uuid); }
UUID的生成简单到只有一行代码，输出结果
c2b8c2b9e46c47e3b30dca3b0d447718，但UUID却并不适用于实际的业务需求。像用作订单号UUID这样的字符串没有丝毫的意义，看不出和订单相关的有用信息；而对于数据库来说用作业务主键ID，它不仅是太长还是字符串，存储性能差查询也很耗时，所以不推荐用作分布式ID。
优点：
生成足够简单，本地生成无网络消耗，具有唯一性
缺点：
无序的字符串，不具备趋势自增特性
没有具体的业务含义
长度过长16 字节128位，36位长度的字符串，存储以及查询对MySQL的性能消耗较大，MySQL官方明确建议主键要尽量越短越好，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。
2、基于数据库自增ID
基于数据库的auto_increment自增ID完全可以充当分布式ID，具体实现：需要一个单独的MySQL实例用来生成ID，建表结构如下：
CREATEDATABASE`SEQ_ID`;CREATETABLESEQID.SEQUENCE_ID (idbigint(20)unsignedNOTNULLauto_increment,valuechar(10)NOTNULLdefault'', PRIMARYKEY(id),)ENGINE=MyISAM;
insertintoSEQUENCE_ID(value)VALUES('values');
当我们需要一个ID的时候，向表中插入一条记录返回主键ID，但这种方式有一个比较致命的缺点，访问量激增时MySQL本身就是系统的瓶颈，用它来实现分布式服务风险比较大，不推荐！
优点：
实现简单，ID单调自增，数值类型查询速度快
缺点：
DB单点存在宕机风险，无法扛住高并发场景
3、基于数据库集群模式
前边说了单点数据库方式不可取，那对上边的方式做一些高可用优化，换成主从模式集群。害怕一个主节点挂掉没法用，那就做双主模式集群，也就是两个Mysql实例都能单独的生产自增ID。
那这样还会有个问题，两个MySQL实例的自增ID都从1开始，会生成重复的ID怎么办？
解决方案：设置起始值和自增步长
MySQL_1 配置：
set@@auto_increment_offset =1;-- 起始值set@@auto_increment_increment =2;-- 步长
MySQL_2 配置：
set@@auto_increment_offset =2;-- 起始值set@@auto_increment_increment =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
那如果集群后的性能还是扛不住高并发咋办？就要进行MySQL扩容增加节点，这是一个比较麻烦的事。
从上图可以看出，水平扩展的数据库集群，有利于解决数据库单点压力的问题，同时为了ID生成特性，将自增步长按照机器数量来设置。
增加第三台MySQL实例需要人工修改一、二两台MySQL实例的起始值和步长，把第三台机器的ID起始生成位置设定在比现有最大自增ID的位置远一些，但必须在一、二两台MySQL实例ID还没有增长到第三台MySQL实例的起始ID值的时候，否则自增ID就要出现重复了，必要时可能还需要停机修改。
优点：
解决DB单点问题
缺点：
不利于后续扩容，而且实际上单个数据库自身压力还是大，依旧无法满足高并发场景。
4、基于数据库的号段模式
号段模式是当下分布式ID生成器的主流实现方式之一，号段模式可以理解为从数据库批量的获取自增ID，每次从数据库取出一个号段范围，例如 (1,1000] 代表1000个ID，具体的业务服务将本号段，生成1~1000的自增ID并加载到内存。表结构如下：
CREATETABLEid_generator (idint(10)NOTNULL, max_idbigint(20)NOTNULLCOMMENT'当前最大id', stepint(20)NOTNULLCOMMENT'号段的布长', biz_typeint(20)NOTNULLCOMMENT'业务类型',versionint(20)NOTNULLCOMMENT'版本号', PRIMARYKEY(`id`))
biz_type ：代表不同业务类型
max_id ：当前最大的可用id
step ：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max_id字段做一次update操作，update max_id= max_id + step，update成功则说明新号段获取成功，新的号段范围是(max_id ,max_id +step]。
updateid_generatorsetmax_id =#{max_id+step}, version = version + 1 where version = # {version} and biz_type = XXX
由于多业务端可能同时操作，所以采用版本号version乐观锁方式更新，这种分布式ID生成方式不强依赖于数据库，不会频繁的访问数据库，对数据库的压力小很多。
5、基于Redis模式
Redis也同样可以实现，原理就是利用redis的 incr命令实现ID的原子性自增。
127.0.0.1:6379>setseq_id1//初始化自增ID为1OK127.0.0.1:6379>incrseq_id//增加1，并返回递增后的数值(integer)2
用redis实现需要注意一点，要考虑到redis持久化的问题。redis有两种持久化方式RDB和AOF
RDB会定时打一个快照进行持久化，假如连续自增但redis没及时持久化，而这会Redis挂掉了，重启Redis后会出现ID重复的情况。AOF会对每条写命令进行持久化，即使Redis挂掉了也不会出现ID重复的情况，但由于incr命令的特殊性，会导致Redis重启恢复的数据时间过长。
6、基于雪花算法（Snowflake）模式
雪花算法（Snowflake）是twitter公司内部分布式项目采用的ID生成算法，开源后广受国内大厂的好评，在该算法影响下各大公司相继开发出各具特色的分布式生成器。
以上图片源自网络，如有侵权联系删除
Snowflake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
*/publicclassSnowFlakeShortUrl{/**
* 起始的时间戳
*/privatefinalstaticlongSTART_TIMESTAMP =1480166465631L;/**
* 每一部分占用的位数
*/privatefinalstaticlongSEQUENCE_BIT =12;//序列号占用的位数privatefinalstaticlongMACHINE_BIT =5;//机器标识占用的位数privatefinalstaticlongDATA_CENTER_BIT =5;//数据中心占用的位数/**
* 每一部分的最大值
*/privatefinalstaticlongMAX_SEQUENCE =-1L^ (-1L<< SEQUENCE_BIT);privatefinalstaticlongMAX_MACHINE_NUM =-1L^ (-1L<< MACHINE_BIT);privatefinalstaticlongMAX_DATA_CENTER_NUM =-1L^ (-1L<< DATA_CENTER_BIT);/**
* 每一部分向左的位移
*/privatefinalstaticlongMACHINE_LEFT = SEQUENCE_BIT;privatefinalstaticlongDATA_CENTER_LEFT = SEQUENCE_BIT + MACHINE_BIT;privatefinalstaticlongTIMESTAMP_LEFT = DATA_CENTER_LEFT + DATA_CENTER_BIT;privatelongdataCenterId;//数据中心privatelongmachineId;//机器标识privatelongsequence =0L;//序列号privatelonglastTimeStamp =-1L;//上一次时间戳privatelonggetNextMill(){longmill = getNewTimeStamp();while(mill <= lastTimeStamp) { mill = getNewTimeStamp(); }returnmill; }privatelonggetNewTimeStamp(){returnSystem.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
*/publicSnowFlakeShortUrl(longdataCenterId,longmachineId){if(dataCenterId > MAX_DATA_CENTER_NUM || dataCenterId <0) {thrownewIllegalArgumentException("DtaCenterId can't be greater than MAX_DATA_CENTER_NUM or less than 0！"); }if(machineId > MAX_MACHINE_NUM || machineId <0) {thrownewIllegalArgumentException("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
*/publicsynchronizedlongnextId(){longcurrTimeStamp = getNewTimeStamp();if(currTimeStamp < lastTimeStamp) {thrownewRuntimeException("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0sequence =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}publicstaticvoidmain(String[] args){ SnowFlakeShortUrl snowFlake =newSnowFlakeShortUrl(2,3);for(inti =0; i < (1<<4); i++) {//10进制System.out.println(snowFlake.nextId()); } }}
7、百度（uid-generator）
uid-generator是由百度技术部开发，项目GitHub地址
https://github.com/baidu/uid-...
uid-generator是基于Snowflake算法实现的，与原始的snowflake算法不同在于，uid-generator支持自定义时间戳、工作机器ID和 序列号 等各部分的位数，而且uid-generator中采用用户自定义workId的生成策略。
uid-generator需要与数据库配合使用，需要新增一个WORKER_NODE表。当应用启动时会向数据库表中去插入一条数据，插入成功后返回的自增ID就是该机器的workId数据由host，port组成。
对于uid-generator ID组成结构：
workId，占用了22个bit位，时间占用了28个bit位，序列化占用了13个bit位，需要注意的是，和原始的snowflake不太一样，时间的单位是秒，而不是毫秒，workId也不一样，而且同一应用每次重启就会消费一个workId。
参考文献
https://github.com/baidu/uid-...
8、美团（Leaf）
Leaf由美团开发，github地址：
https://github.com/Meituan-Di...
Leaf同时支持号段模式和snowflake算法模式，可以切换使用。
号段模式
先导入源码
https://github.com/Meituan-Di... ，在建一张表leaf_alloc
DROPTABLEIFEXISTS`leaf_alloc`;CREATETABLE`leaf_alloc`(`biz_tag`varchar(128)NOTNULLDEFAULT''COMMENT'业务key',`max_id`bigint(20)NOTNULLDEFAULT'1'COMMENT'当前已经分配了的最大id',`step`int(11)NOTNULLCOMMENT'初始步长，也是动态调整的最小步长',`description`varchar(256)DEFAULTNULLCOMMENT'业务key的描述',`update_time`timestampNOTNULLDEFAULTCURRENT_TIMESTAMPONUPDATECURRENT_TIMESTAMPCOMMENT'数据库维护的更新时间', PRIMARYKEY(`biz_tag`))ENGINE=InnoDB;
然后在项目中开启号段模式，配置对应的数据库信息，并关闭snowflake模式
leaf.name=com.sankuai.leaf.opensource.testleaf.segment.enable=trueleaf.jdbc.url=jdbc:mysql://localhost:3306/leaf_test?useUnicode=true&characterEncoding=utf8&characterSetResults=utf8leaf.jdbc.username=rootleaf.jdbc.password=rootleaf.snowflake.enable=false#leaf.snowflake.zk.address=#leaf.snowflake.port=
启动leaf-server 模块的 LeafServerApplication项目就跑起来了
号段模式获取分布式自增ID的测试url ：http：//localhost：
8080/api/segment/get/leaf-segment-test
监控号段模式：
http://localhost:8080/cache
snowflake模式
Leaf的snowflake模式依赖于ZooKeeper，不同于原始snowflake算法也主要是在workId的生成上，Leaf中workId是基于ZooKeeper的顺序Id来生成的，每个应用在使用Leaf-snowflake时，启动时都会都在Zookeeper中生成一个顺序Id，相当于一台机器对应一个顺序节点，也就是一个workId。
leaf.snowflake.enable=trueleaf.snowflake.zk.address=127.0.0.1leaf.snowflake.port=2181
snowflake模式获取分布式自增ID的测试url：
http://localhost:8080/api/snowflake/get/test
9、滴滴（Tinyid）
Tinyid由滴滴开发，Github地址：
https://github.com/didi/tinyid。
Tinyid是基于号段模式原理实现的与Leaf如出一辙，每个服务获取一个号段（1000,2000]、（2000,3000]、（3000,4000]
Tinyid提供http和tinyid-client两种方式接入
Http方式接入
（1）导入Tinyid源码：
git clone https://github.com/didi/tinyi...
（2）创建数据表：
CREATETABLE`tiny_id_info`(`id`bigint(20)unsignedNOTNULLAUTO_INCREMENTCOMMENT'自增主键',`biz_type`varchar(63)NOTNULLDEFAULT''COMMENT'业务类型，唯一',`begin_id`bigint(20)NOTNULLDEFAULT'0'COMMENT'开始id，仅记录初始值，无其他含义。初始化时begin_id和max_id应相同',`max_id`bigint(20)NOTNULLDEFAULT'0'COMMENT'当前最大id',`step`int(11)DEFAULT'0'COMMENT'步长',`delta`int(11)NOTNULLDEFAULT'1'COMMENT'每次id增量',`remainder`int(11)NOTNULLDEFAULT'0'COMMENT'余数',`create_time`timestampNOTNULLDEFAULT'2010-01-01 00:00:00'COMMENT'创建时间',`update_time`timestampNOTNULLDEFAULT'2010-01-01 00:00:00'COMMENT'更新时间',`version`bigint(20)NOTNULLDEFAULT'0'COMMENT'版本号', PRIMARYKEY(`id`),UNIQUEKEY`uniq_biz_type`(`biz_type`))ENGINE=InnoDBAUTO_INCREMENT=1DEFAULTCHARSET=utf8COMMENT'id信息表';CREATETABLE`tiny_id_token`(`id`int(11)unsignedNOTNULLAUTO_INCREMENTCOMMENT'自增id',`token`varchar(255)NOTNULLDEFAULT''COMMENT'token',`biz_type`varchar(63)NOTNULLDEFAULT''COMMENT'此token可访问的业务类型标识',`remark`varchar(255)NOTNULLDEFAULT''COMMENT'备注',`create_time`timestampNOTNULLDEFAULT'2010-01-01 00:00:00'COMMENT'创建时间',`update_time`timestampNOTNULLDEFAULT'2010-01-01 00:00:00'COMMENT'更新时间', PRIMARYKEY(`id`))ENGINE=InnoDBAUTO_INCREMENT=1DEFAULTCHARSET=utf8COMMENT'token信息表';INSERTINTO`tiny_id_info`(`id`,`biz_type`,`begin_id`,`max_id`,`step`,`delta`,`remainder`,`create_time`,`update_time`,`version`)VALUES(1,'test',1,1,100000,1,0,'2018-07-21 23:52:58','2018-07-22 23:19:27',1);INSERTINTO`tiny_id_info`(`id`,`biz_type`,`begin_id`,`max_id`,`step`,`delta`,`remainder`,`create_time`,`update_time`,`version`)VALUES(2,'test_odd',1,1,100000,2,1,'2018-07-21 23:52:58','2018-07-23 00:39:24',3);INSERTINTO`tiny_id_token`(`id`,`token`,`biz_type`,`remark`,`create_time`,`update_time`)VALUES(1,'0f673adf80504e2eaa552f5d791b644c','test','1','2017-12-14 16:36:46','2017-12-14 16:36:48');INSERTINTO`tiny_id_token`(`id`,`token`,`biz_type`,`remark`,`create_time`,`update_time`)VALUES(2,'0f673adf80504e2eaa552f5d791b644c','test_odd','1','2017-12-14 16:36:46','2017-12-14 16:36:48');
（3）配置数据库：
datasource.tinyid.names=primarydatasource.tinyid.primary.driver-class-name=com.mysql.jdbc.Driverdatasource.tinyid.primary.url=jdbc:mysql://ip:port/databaseName?autoReconnect=true&useUnicode=true&characterEncoding=UTF-8datasource.tinyid.primary.username=rootdatasource.tinyid.primary.password=123456
（4）启动tinyid-server后测试
获取分布式自增ID:http://localhost:9999/tinyid/id/nextIdSimple?bizType=test&token=0f673adf80504e2eaa552f5d791b644c'返回结果:3批量获取分布式自增ID:http://localhost:9999/tinyid/id/nextIdSimple?bizType=test&token=0f673adf80504e2eaa552f5d791b644c&batchSize=10'返回结果:4,5,6,7,8,9,10,11,12,13
Java客户端方式接入
重复Http方式的（2）（3）操作
引入依赖
com.xiaoju.uemc.tinyidtinyid-client${tinyid.version}
配置文件
tinyid.server=localhost:9999tinyid.token=0f673adf80504e2eaa552f5d791b644c
test 、tinyid.token是在数据库表中预先插入的数据，test 是具体业务类型，tinyid.token表示可访问的业务类型
// 获取单个分布式自增IDLongid = TinyId . nextId(" test ");// 按需批量分布式自增IDList ids = TinyId . nextId(" test ",10);
总结
本文只是简单介绍一下每种分布式ID生成器，旨在给大家一个详细学习的方向，每种生成方式都有它自己的优缺点，具体如何使用还要看具体的业务需求。
原文链接:https://www.toutiao.com/a6832140864697926158/?log_from=293f2259e48a6_1641460339479