全局唯一ID

前言

• 基于数据库设置其实初始值，以及增量步长。
• 基于ZK,Redis,改良雪花集中式服务生成，远程调用获取id。
• 基于并行空间划分，Snowflake（8Byte字节64bit位），MongoDB ObjectId（12字节），UUID（16字节）
• 基于全随机UUID（16字节）

MongoDB ObjectId

12-byte MongoDB ObjectId 的结构是：

• a 4-byte value representing the seconds since the Unix epoch,.
• a 3-byte machine identifier.
• a 2-byte process id.
• a 3-byte counter, starting with a random value.

可以看出，这个方案所支持的最小划分粒度是「秒 * 进程实例」，单进程实例的每秒容量是 3-byte (24-bit)，也就是接近16777216个ID。

即每个实例每秒1600多W。

看代码（MonogoDB 3.3.x Java Driver）

1. Timestamp

2. Machine Identifier

3. Process ID

4. COUNTER

此处需要注意的是MongoDB的 NEXT_COUNTER 其初始值是一个随机数，这是有利于分库分表的。因为在小并发的条件下，非随机数的初始值，容易产生 偏库偏表， 不均匀的现象。

Twitter Snowflake

64-bit 长的 Snowflake ，它的结构是：

• 1-bit reserved
• 41-bit timestamp millisecond
• 10-bit machine id
• 12-bit sequence

所支持的最小划分粒度是「毫秒 * 线程」，单线程（Snowflake 里对应的概念是 Worker）的每毫秒容量是12-bit，也就是接近4096。

即每个实例每秒4096000（400w）

初始化时间自己指定，例如：

// Thu, 04 Nov 2010 01:42:54 GMT
twepoch = 1288834974657L;
1
2

1. Timestamp

 System.currentTimeMillis() - twepoch
1

2. Machine Identifier

同上

3. Process ID

同上

4. Sequence

if (lastTimestamp == timestamp) {
    // 相同毫秒内，序列号自增
    sequence = (sequence + 1) & sequenceMask;
    if (sequence == 0) {
        // 同一毫秒的序列数已经达到最大, 则等待下一个毫秒时间，即使用下一秒 sequence默认0L
        timestamp = tilNextMillis(lastTimestamp);
    }
} else {
    
    // 不同毫秒内，序列号置为 [1 - 3) 随机数 即 1或者2 防止每毫秒初始值相同
    sequence = ThreadLocalRandom.current().nextLong(1, 3);
}
1
2
3
4
5
6
7
8
9
10
11
12

sequence初始值是一个[1 - 3) 随机数，这是有利于分库分表的。因为在小并发的条件下，非随机数的初始值，容易产生 偏库偏表， 不均匀的现象。

闰秒问题以及运行中时钟回拨问题

闰秒会出现把协调世界时向前拨1秒（负闰秒，最后一分钟为59秒）或向后拨1秒（正闰秒，最后一分钟为61秒）；

// 当前时间小于上次时间，即出现闰秒或者时钟回溯了
if (timestamp < lastTimestamp) {
    long offset = lastTimestamp - timestamp;
    if (offset <= 5) { // 回溯时差 如果小于等于 5 ms
        try {
            wait(offset << 1); //等个2倍时间 再获取时间戳
            timestamp = timeGen(); 
            if (timestamp < lastTimestamp) { // 还小则抛出异常
                throw new RuntimeException("时钟回调了 拉了裤");
            }
        } catch (Exception e) {
            throw new RuntimeException(e);
        }
    } else {
        throw new RuntimeException("时钟回调了 拉了裤");
    }
}
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17

延迟等待解决，实际应用项目: 美团的leaf,。

UUID

参见另一篇：UUID的5个版本

• 版本1 - UUID 是根据时间和 节点ID（通常是MAC地址）生成；时间+MAC，不安全

• 版本2 - UUID是根据标识符（通常是组或用户ID）、时间和节点ID生成；

• 版本3、版本5 - 确定性UUID 通过散列（hashing）名字空间（namespace）标识符和名称生成；

• 版本4 - UUID 使用随机性或伪随机性生成。

一般的，使用的最多的是UUID Version 4，很大程度上是因为其依赖的其他服务最少。

Java只支持生成版本3和版本4的UUID

V4 随机UUID,UUID.randomUUID().toString()

V4 随机UUID重复概率问题？

V4随机版本有一定的重复概率但是极低，直接上结论，来着维基百科

在 103 万亿 个 版本4 UUID 中找到重复的概率是（十亿分之一）。

参考：

• 生成全局唯一ID的3个思路，来自一个资深架构师的总结 - 王延炯