userId生成的策略类型

目前常见的userId生成策略主要有：

数据库自增id
UUID
雪花算法

数据库自增id

简单明了，使用数据库中的主键自增即可实现

优点在于：

自动自增，可以作为索引提升数据库的查询效率
节省磁盘空间，相较于其他两种策略可以节省大量空间
查询、写入效率高

缺点在于：

在导入数据时可能存在id重复的问题
不适应与分布式架构，在该中存在id重复的问题
无法进行分表，拆表等操作，与分布式的缺陷类似

UUID

UUID(Universally Unique Identifier)：它是由一组32个十六进制数字组成的字符串，总共分为无端，每段之间用连字符(-)隔开，包括连字符在内共36个字符

1
2
3

// 生成UUID
String uuid = UUID.randomUUID.toString()

UUID基于硬件地址(MAC地址)、时间戳和随机因子来生成Id

优势在于：

几乎不可能重复，可以用于分布式系统
具有唯一性、高性能和高可用的特点
本地生成

缺点在于：

产生的值较长，足足有36个字符
ID完全随机，没有任何顺序可言
可读性差，且ID不具有任何意义
字符串类型读写效率差

雪花算法(Snowflake)生成ID

Snowflake，雪花算法是由Twitter开源的分布式ID生成算法，以划分命名空间的方式将 64-bit位分割成多个部分，每个部分代表不同的含义。而 Java中64bit的整数是Long类型，所以在 Java 中 SnowFlake 算法生成的 ID 就是 long 来存储的。

第1位占用1bit，其值始终是0，可看做是符号位不使用。
第2位开始的41位是时间戳，41-bit位可表示2^41个数，每个数代表毫秒，那么雪花算法可用的时间年限是(1L<<41)/(1000L360024*365)=69 年的时间。
中间的10-bit位可表示机器数，即2^10 = 1024台机器，但是一般情况下我们不会部署这么台机器。如果我们对IDC（互联网数据中心）有需求，还可以将 10-bit 分 5-bit 给 IDC，分5-bit给工作机器。这样就可以表示32个IDC，每个IDC下可以有32台机器，具体的划分可以根据自身需求定义。
最后12-bit位是自增序列，可表示2^12 = 4096个数。

这样的划分之后相当于在一毫秒一个数据中心的一台机器上可产生4096个有序的不重复的ID。但是我们 IDC 和机器数肯定不止一个，所以毫秒内能生成的有序ID数是翻倍的。

优点在于：

生成的ID全局唯一
分布式算法，可以在多台机器上生成ID
生成的ID为64位整数，Long类型，读写效率高

缺点在于：

依赖机器时钟：雪花算法使用了时间戳作为生成ID的一部分，因此对于分布式系统来说，各个机器的时钟需要保持同步，否则可能会导致生成重复的ID。
有限的容量：雪花算法中的机器ID和序列号都是固定长度的，因此在极端情况下，可能会达到容量上限，无法继续生成唯一的ID。
不适合特定场景（安全）：雪花算法生成的ID是递增的，如果对于一些需要保密性的场景，可能会暴露一些敏感信息，例如系统的使用频率和规模。

改进的方法：百度 UidGenerator 和美团分布式ID生成系统 Leaf 中snowflake模式都是在 snowflake 的基础上演进出来的

关于百度-UidGenerator

UidGenerator是Java实现的, 基于Snowflake算法的唯一ID生成器。
UidGenerator以组件形式工作在应用项目中, 支持自定义workerId位数和初始化策略, 从而适用于docker等虚拟化环境下实例自动重启、漂移等场景。
在实现上, UidGenerator通过借用未来时间来解决sequence天然存在的并发限制; 采用RingBuffer来缓存已生成的UID, 并行化UID的生产和消费, 同时对CacheLine补齐，避免了由RingBuffer带来的硬件级「伪共享」问题. 最终单机QPS可达600万。

// SpringBoot整合UidGenerator
@Configuration
public class UidConfig {
    @Bean(name = "defaultUidGenerator")
    public DefaultUidGenerator defaultUidGenerator(DisposableWorkerIdAssigner disposableWorkerIdAssigner) {
        DefaultUidGenerator uidGenerator = new DefaultUidGenerator();
        uidGenerator.setWorkerIdAssigner(disposableWorkerIdAssigner);
        uidGenerator.setTimeBits(29);
        uidGenerator.setWorkerBits(21);
        uidGenerator.setSeqBits(13);
        uidGenerator.setEpochStr("2016-09-20");
        return uidGenerator;
    }

    @Bean(name = "cachedUidGenerator")
    public CachedUidGenerator cachedUidGenerator(DisposableWorkerIdAssigner disposableWorkerIdAssigner) {
        CachedUidGenerator uidGenerator = new CachedUidGenerator();
        uidGenerator.setWorkerIdAssigner(disposableWorkerIdAssigner);
        uidGenerator.setTimeBits(29);
        uidGenerator.setWorkerBits(21);
        uidGenerator.setSeqBits(13);
        uidGenerator.setEpochStr("2016-09-20");
        uidGenerator.setBoostPower(3);
        uidGenerator.setPaddingFactor(50);
        uidGenerator.setScheduleInterval(60);
        // uidGenerator.setRejectedPutBufferHandler(...); // 根据需求设置拒绝策略
        // uidGenerator.setRejectedTakeBufferHandler(...); // 根据需求设置拒绝策略
        return uidGenerator;
    }

    @Bean
    public DisposableWorkerIdAssigner disposableWorkerIdAssigner() {
        return new DisposableWorkerIdAssigner();
    }
}

本文参考：

userId生成的策略类型

数据库自增id

UUID

雪花算法(Snowflake)生成ID

关于 百度-UidGenerator

关于百度-UidGenerator