生成唯一ID的几种方案：
(1) UUID
(2) MySQL的自增主键
(3) MySQL多实例自增主键
(4) 雪花ID(snowflake算法)(配合项目启动命令效果更佳)
(5) redis生成方案
1. UUID生成方案
优点：
代码实现简单，本机生成，没有什么性能问题，况且是全球唯一的id，所以迁移数据的时候比较容易
缺点：
生成的ID是无序的，无法满足递增趋势；而且UUID的字符串存储，查询效率较慢，存储空间也大
综上来看：UUID适用于类似生成token令牌的业务场景，但是不适于一些要求递增趋势的ID场景
2.MySQL自增主键
利用MySQL的主键自增auto_increment，默认每次ID加1
优点：
数字化id递增，查询速度快，并且具有一定的业务可读
缺点：
存在单点问题(一个主机连接多个处理节点，主节点负责分发任务，而子节点负责处理业务，当主节点发生故障时，会导致整个系统发故障)，倘若MySQL挂了，就无法进行id的生成；并且数据库压力会很大，高并发情况下扛不住
3.MySQL多实例主键自增
解决MySQL的单点问题，但是不方便扩容，所以在数据不需要扩容的场景适用，
4.雪花snowflake算法
雪花算法生成64位的二进制正整数，然后转换成10进制的数。64位二进制数由如下部分组成
1位标识符：始终是0
41位时间戳：41位时间截不是存储当前时间的时间截，而是存储时间截的差值（当前时间截 - 开始时间截 )得到的值，这里的的开始时间截，一般是我们的id生成器开始使用的时间，由我们程序来指定的
10位机器标识码：可以部署在1024个节点，如果机器分机房（IDC）部署，这10位可以由 5位机房ID + 5位机器ID 组成
12位序列：毫秒内的计数，12位的计数顺序号支持每个节点每毫秒(同一机器，同一时间截)产生4096个ID序号
加起来刚好64位，为一个Long型
优点：
性能快，整体上按照时间自增排序，并且整个分布式系统内不会产生IP重复碰撞(由数据中心id和机器ID作区分)，效率较高
缺点：
依赖机器的时钟，如果服务器时钟回拨，会导致重复ID生成(docker部署项目深有体会，启动命令需要写好serviceId)
public class SnowflakeIdWorker { //后改成配置文件
// ==============================Fields===========================================
/** 开始时间截 (2015-01-01) */
private final long twepoch = 1420041600000L;
/** 机器id所占的位数 */
private final long workerIdBits = 5L;
/** 数据标识id所占的位数 */
private final long datacenterIdBits = 5L;
/** 支持的最大机器id，结果是31 (这个移位算法可以很快的计算出几位二进制数所能表示的最大十进制数) */
private final long maxWorkerId = -1L ^ (-1L << workerIdBits);
/** 支持的最大数据标识id，结果是31 */
private final long maxDatacenterId = -1L ^ (-1L << datacenterIdBits);
/** 序列在id中占的位数 */
private final long sequenceBits = 12L;
/** 机器ID向左移12位 */
private final long workerIdShift = sequenceBits;
/** 数据标识id向左移17位(12+5) */
private final long datacenterIdShift = sequenceBits + workerIdBits;
/** 时间截向左移22位(5+5+12) */
private final long timestampLeftShift = sequenceBits + workerIdBits + datacenterIdBits;
/** 生成序列的掩码，这里为4095 (0b111111111111=0xfff=4095) */
private final long sequenceMask = -1L ^ (-1L << sequenceBits);
/** 工作机器ID(0~31) */
private long workerId;
/** 数据中心ID(0~31) */
private long datacenterId;
/** 毫秒内序列(0~4095) */
private long sequence = 0L;
/** 上次生成ID的时间截 */
private long lastTimestamp = -1L;
//单例
private static class SnowFlakeIdWorkerHolder{
private static final SnowflakeIdWorker INSTANCE = new SnowflakeIdWorker(System.getenv("serviceId"));
}
public static final SnowflakeIdWorker getInstance() {
return SnowFlakeIdWorkerHolder.INSTANCE;
}
//获取aid
public static final String getAId(){
return String.valueOf(SnowFlakeIdWorkerHolder.INSTANCE.nextId());
}
//==============================Constructors=====================================
/**
* 构造函数
* @param workerIdStr 工作ID (0~31)
* @param datacenterIdStr 数据中心ID (0~31)
*/
private SnowflakeIdWorker(String workerIdStr) {
long workerId = 1l;
long datacenterId = 1l;
if (StringUtils.isNotBlank(workerIdStr)) {
workerId = Long.parseLong(workerIdStr);
} else {
String hostName = System.getenv("HOSTNAME");
String hostIndex = hostName.substring(hostName.length() - 1);
workerId = Long.parseLong(hostIndex);
}
if (workerId > maxWorkerId || workerId < 0) {
throw new IllegalArgumentException(String.format("worker Id can't be greater than %d or less than 0", maxWorkerId));
}
if (datacenterId > maxDatacenterId || datacenterId < 0) {
throw new IllegalArgumentException(String.format("datacenter Id can't be greater than %d or less than 0", maxDatacenterId));
}
this.workerId = workerId;
this.datacenterId = datacenterId;
}
// ==============================Methods==========================================
/**
* 获得下一个ID (该方法是线程安全的)
* @return SnowflakeId
*/
public synchronized long nextId() {
long timestamp = timeGen();
//如果当前时间小于上一次ID生成的时间戳，说明系统时钟回退过这个时候应当抛出异常
if (timestamp < lastTimestamp) {
throw new RuntimeException(
String.format("Clock moved backwards. Refusing to generate id for %d milliseconds", lastTimestamp - timestamp));
}
//如果是同一时间生成的，则进行毫秒内序列
if (lastTimestamp == timestamp) {
sequence = (sequence + 1) & sequenceMask;
//毫秒内序列溢出
if (sequence == 0) {
//阻塞到下一个毫秒,获得新的时间戳
timestamp = tilNextMillis(lastTimestamp);
}
}
//时间戳改变，毫秒内序列重置
else {
sequence = 0L;
}
//上次生成ID的时间截
lastTimestamp = timestamp;
//移位并通过或运算拼到一起组成64位的ID
return ((timestamp - twepoch) << timestampLeftShift) //
| (datacenterId << datacenterIdShift) //
| (workerId << workerIdShift) //
| sequence;
}
/**
* 阻塞到下一个毫秒，直到获得新的时间戳
* @param lastTimestamp 上次生成ID的时间截
* @return 当前时间戳
*/
protected long tilNextMillis(long lastTimestamp) {
long timestamp = timeGen();
while (timestamp <= lastTimestamp) {
timestamp = timeGen();
}
return timestamp;
}
/**
* 返回以毫秒为单位的当前时间
* @return 当前时间(毫秒)
*/
protected long timeGen() {
return System.currentTimeMillis();
}
//==============================Test=============================================
/** 测试 */
public static void main(String[] args) {
// SnowflakeIdWorker idWorker = getInstance();
// for (int i = 0; i < 1000; i++) {
// long id = idWorker.nextId();
// System.out.println(Long.toBinaryString(id));
// System.out.println(id);
// }
System.out.println(SnowFlakeIdWorkerHolder.INSTANCE.nextId());
}
}6.Redis生成方案
利用redis的incr原子性操作自增，一般算法为：
年份 + 当天距当年第多少天 + 天数 + 小时 + redis自增
优点：
有序递增，可读性强
缺点：
占用带宽，每次要向redis发送请求，有网络请求耗时，并发强依赖了Redis。这个设计是有风险的，一旦Redis挂了，整个系统不可用，用户是可以预测下一个ID号是多少，因为算法是递增的(安全性)
