什么是分布式ID#
分布式ID指在多服务器、多节点协同中用于标识唯一资源的全局唯一标识符（Unique Identifier）。
单机的数据库自增ID/内存计数器ID在分布式场景下，因此跨节点、跨服务全局唯一的ID生成机制就诞生了
核心使用场景#
分布式ID核心是“唯一性”。场景有：
- 分布式数据库分库分表；
- 微服务间数据交互
- 分布式事务与追踪
- 高并发场景下的唯一标识
- 如秒杀、抢票等场景中，需快速生成大量唯一订单ID
常见分布式ID生成方案#
UUID/GUID（通用唯一识别码）#
原理：基于MAC地址、时间戳、随机数等生成128位字符串，全球唯一；
优点：简单，Java直接用UUID.randomUUID()生成，高性能、无中心化（即无需第三方请求）
缺点：
- 无序，如果是数据库主键B+数频繁分裂，性能降低
- 太长：128位，不适合当主键或URL参数
- 无含义，没有业务信息，但是反过来又能保密，避免泄露一些业务信息
数据库自增ID（单库/多库分段）#
是的，虽然在一定程度上分布式ID就是在解决单机数据库自增ID的不唯一，但是仍然可以使用。
- 维护一个独立的ID生成数据库，将ID分发给其他需要的服务；显然，单库自增在高并发下会成为性能瓶颈；而且这个库挂了，业务可能就直接完蛋了（）
- 那么单库不行，可以使用多库，用“号端”来预分配ID，就像IPv4地址一样，分为网络号与主机号；缺点是多库分段要手动配置规则，新增节点时容易冲突
号段模式 Segment#
原理：从数据库给服务节点直接预分配一段连续ID，用完后再向数据库申请
优点：高性能（本地生成）；有序；可扩展
缺点：依赖数据库，仍有单点风险（可通过主从赋值解决）
典型开源实现：美团Leaf（基于号段模式和雪花算法的混合方案）
Leaf——美团点评分布式ID生成系统 - 美团技术团队 ↗
PS：之前就听说过美团技术团队的博客，这次在学习这里的时候遇到了
雪花算法 Snowflake（最常用）#
这是Twitter开源的分布式ID生成算法，生成64位Long型ID，结构如下：
0 | 41位时间戳 | 10位工作机器ID | 12位序列号
1位符号位+41位时间戳(ms级)+10位机器ID(支持1024个节点)+12位序列号(每ms最多生成4096个ID)- 有符号的64位Long型最高位是符号位，0正1负
- 时间戳确保ID随时间递增，能用69年
- 机器ID：标识节点，可以通过配置或者ZooKeeper分配
- 序列号，解决同一毫秒内的节点生成的ID序号生成问题
优点：
- 高性能，还是本地生成，远端生成有网络IO延迟，每秒可以生成百万级ID（1000ms*4096）
- 有序
- 紧凑：64位Long型，存储成本低，适合作数据库主键
缺点：
- 强依赖时钟：若节点时钟回拨，像服务器时间校准，可能生成重复ID
- 需要进行机器ID管理
典型开源实现：百度UidGenerator，优化雪花算法，支持自定义时间戳位数、机器ID位数，Java中可以直接手写实现；
Redis自增ID#
Redis的INCRBY生成自增ID，Redis单线程，命令是原子的，故此能保证其唯一性
优点无需多言，就是Redis的优势（高性能、集群分布式、简单）
缺点：
- 依赖Redis：Redis宕机时无法生成ID，game over了；主从+哨兵可以保证高可用
- ID无序性：跨Redis节点不同分片可能无序，但是设置不同分片起始偏移量可以解决
- 适用：对ID有序性要求不严格