其实这是分库分表后必然要面对的一个问题，就是id怎么生成？因为要是分成多个表之后，每个表都是从1开始累加，那肯定不对啊，需要一个全局唯一的id来支持。
以下几种id主键的方案：
一、 数据库自增id
这个就是说你的系统里每次得到一个id，都是往一个库的一个单独的表里插入一条没什么意义的数据，然后获取到这条数据自增的id，拿到这个id后再往对应的分库分表里去写入。
这个方案就是简单，缺点就是单库生成自增id，要是高并发的话会有瓶颈，而且有单点故障问题，你要是整两台数据库机器，又资源浪费。如果硬要用这个方案，那就专门开一个服务，这个服务每次都拿到单独表的最大id值，然后自己递增几个id，一次性返回一批id，然后再把单独表中当前最大id值修改为返回的这批id中的一个值。
适合的场景：你分库分表就两个原因，要不就是单库的并发太高，要不就是单库的数据量太大。除非你是并发不高，但是数据量太大导致的分库分表扩容，你就可以使用这个自增id的方案，因为可能每秒最高并发最多几百，那么就走单独的一个库和表生成自增id即可。
总结：适合并发很低，几百/s，但是数据量很大，几十亿的数据，所以需要靠分库分表来存放海量的数据。
二、 uuid
好处：就是本地生成，不需要依赖数据库。
缺点：uuid太长了，作为主键性能太差了，不适合用于主键。
三、 获取当前系统时间
这个就是获取当前时间即可，但是并发很高的时候，比如一秒几千，会有重复的情况。
适合的场景：一般如果用这个方案，是将当前时间跟很多其他的业务字段拼接起来的，做为一个id，如果业务上你觉着可以接受，那么也是可以的，可以将别的业务字段跟当前时间拼接起来，组成一个全局唯一的编号。
四、 snowflake算法
雪花算法是开源的，生成id的结果是一个64bit大小的整数，结构如下：
SnowFlake可以保证：
1、所有生成的id按时间趋势递增
2、整个分布式系统内不会产生重复id（因为有datacenterId和workerId来做区分）
雪花算法，要是搞分布式id生成，这个算法性能比较好，一般每秒几万的并发足够。
