分庫分表后就不能使用自增 ID 來作為表的主鍵了，因?yàn)閿?shù)據(jù)庫自增 ID 只適用于單機(jī)環(huán)境，但如果是分布式環(huán)境，是將數(shù)據(jù)庫進(jìn)行分庫、分表或數(shù)據(jù)庫分片等操作時(shí)，那么數(shù)據(jù)庫自增 ID 就會生成重復(fù) ID，從而導(dǎo)致業(yè)務(wù)查詢上的問題。所以此時(shí)，可以使用 UUID 或雪花 ID 來作為全局主鍵 ID。

1、UUID作為全局ID

UUID（Universally Unique Identifier）是一種全局唯一標(biāo)識符，它保證在空間和時(shí)間上的唯一性。通常由 128 位的數(shù)字組成，采用 32 位的十六進(jìn)制數(shù)表示，格式為 8-4-4-4-12 這樣的 36 個(gè)字符（32 個(gè)字母數(shù)字字符和 4 個(gè)短橫線），例如 550e8400-e29b-41d4-a716-446655440000。UUID 在 Java 中的實(shí)現(xiàn)如下：

import java.util.UUID;

public class UUIDExample {
    public static void main(String[] args) {
        // Generate a random UUID
        UUID uuid = UUID.randomUUID();
        System.out.println("Random UUID: " + uuid);

        // Convert UUID to string
        String uuidString = uuid.toString();
        System.out.println("UUID as string: " + uuidString);

        // Convert string to UUID
        UUID parsedUuid = UUID.fromString(uuidString);
        System.out.println("Parsed UUID: " + parsedUuid);
    }
}

UUID 存在的問題

雖然 UUID 可以保證全局唯一，但并不推薦使用 UUID 來作為分庫分表后的主鍵 ID，因?yàn)?UUID 有兩個(gè)問題：

• UUID 太長，且生成效率較低。
• UUID 沒有任何業(yè)務(wù)含義，不連續(xù)且沒有任何順序可言。

2、雪花ID作為全局ID

雪花 ID（Snowflake ID）是一個(gè)用于分布式系統(tǒng)中生成唯一 ID 的算法，由 Twitter 公司提出。它的設(shè)計(jì)目標(biāo)是在分布式環(huán)境下高效地生成全局唯一的 ID，具有一定的有序性。雪花 ID 的結(jié)構(gòu)如下所示（共 64 位）：

這四部分代表的含義：

• 符號位：最高位是符號位，始終為 0，1 表示負(fù)數(shù)，0 表示正數(shù)，ID 都是正整數(shù)，所以固定為 0。
• 時(shí)間戳部分：由 41 位組成，精確到毫秒級?？梢允褂迷?41 位表示的時(shí)間戳來表示的時(shí)間可以使用 69 年。
• 節(jié)點(diǎn) ID 部分：由 10 位組成，用于表示機(jī)器節(jié)點(diǎn)的唯一標(biāo)識符。在同一毫秒內(nèi)，不同的節(jié)點(diǎn)生成的 ID 會有所不同。
• 序列號部分：由 12 位組成，用于標(biāo)識同一毫秒內(nèi)生成的不同 ID 序列。在同一毫秒內(nèi)，可以生成 4096 個(gè)不同的 ID。

Java 版雪花算法實(shí)現(xiàn)

接下來，我們來實(shí)現(xiàn)一個(gè) Java 版的雪花算法：

public class SnowflakeIdGenerator {

    // 定義雪花 ID 的各部分位數(shù)
    private static final long TIMESTAMP_BITS = 41L;
    private static final long NODE_ID_BITS = 10L;
    private static final long SEQUENCE_BITS = 12L;
    // 定義起始時(shí)間戳（可根據(jù)實(shí)際情況調(diào)整）
    private static final long EPOCH = 1609459200000L;
    // 定義最大取值范圍
    private static final long MAX_NODE_ID = (1L << NODE_ID_BITS) - 1;
    private static final long MAX_SEQUENCE = (1L << SEQUENCE_BITS) - 1;
    // 定義偏移量
    private static final long TIMESTAMP_SHIFT = NODE_ID_BITS + SEQUENCE_BITS;
    private static final long NODE_ID_SHIFT = SEQUENCE_BITS;
    private final long nodeId;
    private long lastTimestamp = -1L;
    private long sequence = 0L;
    public SnowflakeIdGenerator(long nodeId) {
        if (nodeId < 0 || nodeId > MAX_NODE_ID) {
            throw new IllegalArgumentException("Invalid node ID");
        }
        this.nodeId = nodeId;
    }
    public synchronized long generateId() {
        long currentTimestamp = timestamp();
        if (currentTimestamp < lastTimestamp) {
            throw new IllegalStateException("Clock moved backwards");
        }
        if (currentTimestamp == lastTimestamp) {
            sequence = (sequence + 1) & MAX_SEQUENCE;
            if (sequence == 0) {
                currentTimestamp = untilNextMillis(lastTimestamp);
            }
        } else {
            sequence = 0L;
        }
        lastTimestamp = currentTimestamp;
        return ((currentTimestamp - EPOCH) << TIMESTAMP_SHIFT) |
        (nodeId << NODE_ID_SHIFT) |
        sequence;
    }
    private long timestamp() {
        return System.currentTimeMillis();
    }
    private long untilNextMillis(long lastTimestamp) {
        long currentTimestamp = timestamp();
        while (currentTimestamp <= lastTimestamp) {
            currentTimestamp = timestamp();
        }
        return currentTimestamp;
    }
}

調(diào)用代碼如下：

public class Main {
    public static void main(String[] args) {
        // 創(chuàng)建一個(gè)雪花 ID 生成器實(shí)例，傳入節(jié)點(diǎn) ID
        SnowflakeIdGenerator idGenerator = new SnowflakeIdGenerator(1);
        // 生成 ID
        long id = idGenerator.generateId();
        System.out.println(id);
    }
}

其中，nodeId 表示當(dāng)前節(jié)點(diǎn)的唯一標(biāo)識，可以根據(jù)實(shí)際情況進(jìn)行設(shè)置。generateId 方法用于生成雪花 ID，采用同步方式確保線程安全。具體的生成邏輯遵循雪花 ID 的位運(yùn)算規(guī)則，結(jié)合當(dāng)前時(shí)間戳、節(jié)點(diǎn) ID 和序列號生成唯一的 ID。

需要注意的是，示例中的時(shí)間戳獲取方法使用了 System.currentTimeMillis()，根據(jù)實(shí)際需要可以替換為其他更精確的時(shí)間戳獲取方式。同時(shí)，需要確保節(jié)點(diǎn) ID 的唯一性，避免不同節(jié)點(diǎn)生成的 ID 重復(fù)。

雪花ID存在的問題

雖然雪花算法是一種被廣泛采用的分布式唯一 ID 生成算法，但它也存在以下幾個(gè)問題：

• 時(shí)間回?fù)軉栴}：雪花算法生成的 ID 依賴于系統(tǒng)的時(shí)間戳，要求系統(tǒng)的時(shí)鐘必須是單調(diào)遞增的。如果系統(tǒng)的時(shí)鐘發(fā)生回?fù)?，可能?dǎo)致生成的 ID 重復(fù)。時(shí)間回?fù)苁侵赶到y(tǒng)的時(shí)鐘在某個(gè)時(shí)間點(diǎn)之后突然往回走（人為設(shè)置），即出現(xiàn)了時(shí)間上的逆流情況。
• 時(shí)鐘回?fù)軒淼目捎眯院托阅軉栴}：由于時(shí)間依賴性，當(dāng)系統(tǒng)時(shí)鐘發(fā)生回?fù)軙r(shí)，雪花算法需要進(jìn)行額外的處理，如等待系統(tǒng)時(shí)鐘追上上一次生成 ID 的時(shí)間戳或拋出異常。這種處理會對算法的可用性和性能產(chǎn)生一定影響。
• 節(jié)點(diǎn) ID 依賴問題：雪花算法需要為每個(gè)節(jié)點(diǎn)分配唯一的節(jié)點(diǎn) ID 來保證生成的 ID 的全局唯一性。節(jié)點(diǎn) ID 的分配需要有一定的管理和調(diào)度，特別是在動態(tài)擴(kuò)容或縮容時(shí)，節(jié)點(diǎn) ID 的管理可能較為復(fù)雜。

如何解決時(shí)間回?fù)軉栴}？

百度 UidGenerator 框架中解決了時(shí)間回?fù)艿膯栴}，并且解決方案比較經(jīng)典，所以咱們這里就來給大家分享一下百度 UidGenerator 是怎么解決時(shí)間回?fù)軉栴}的？

“

UidGenerator 介紹：UidGenerator 是百度開源的一個(gè)分布式唯一 ID 生成器，它是基于 Snowflake 算法的改進(jìn)版本。與傳統(tǒng)的 Snowflake 算法相比，UidGenerator 在高并發(fā)場景下具有更好的性能和可用性。它的實(shí)現(xiàn)源碼在：https://github.com/baidu/uid-generator

UidGenerator 是這樣解決時(shí)間回?fù)軉栴}的：UidGenerator 的每個(gè)實(shí)例中，都維護(hù)一個(gè)本地時(shí)鐘緩存，用于記錄當(dāng)前時(shí)間戳。這個(gè)本地時(shí)鐘會定期與系統(tǒng)時(shí)鐘進(jìn)行同步，如果檢測到系統(tǒng)時(shí)鐘往前走了（出現(xiàn)了時(shí)鐘回?fù)埽?，則將本地時(shí)鐘調(diào)整為系統(tǒng)時(shí)鐘。

小結(jié)

數(shù)據(jù)庫自增 ID 只適用于單機(jī)數(shù)據(jù)庫環(huán)境，而對于分庫、分表、數(shù)據(jù)分片來說，自增 ID 不具備唯一性，所以要要使用雪花 ID 來替代數(shù)據(jù)庫自增 ID。但雪花算法依然存在一些問題，例如時(shí)間回?fù)艿膯栴}，所以此時(shí)，可以使用雪花算法的改進(jìn)框架，如百度的 UidGenerator 來作為全局 ID 的生成方案會比較好。