分布式ID生成算法：雪花算法和UUID
在分布式系统中，生成全局唯一ID是核心需求之一。雪花算法和UUID是两种广泛使用的解决方案。
1. 雪花算法
工作原理
- 分布式ID生成器：由Twitter开源，专为分布式系统设计。
- 组成结构（64位二进制）：
- 符号位（1位）：固定为0，保证ID为正数。
- 时间戳（41位）：当前时间与自定义起始时间（如Twitter的2010-01-01）的毫秒差值，精确到毫秒级，可用约69年。
- 工作节点ID（10位）：可配置的机器或进程标识，支持最多1024个节点。
- 序列号（12位）：同一毫秒内的自增序号，支持每节点每毫秒生成4096个ID。
- 工作原理：
- 时间戳递增：每次生成ID时获取当前时间戳，若与上次相同，则递增序列号。
- 处理并发：若序列号用尽（达到4096），则等待至下一毫秒再重置序列号。
- 时钟回拨问题：若系统时间回退，可能导致ID冲突。常见解决方案：
- 短暂回拨：等待时间恢复。
- 严重回拨：抛出异常或扩展时间戳位数记录回拨次数。
- 特点：
- 趋势递增：时间戳在高位，生成的ID整体按时间递增，有利于数据库索引优化。
- 依赖时钟：强依赖系统时钟，时钟回拨可能导致ID冲突。
适用场景
- 需要有序ID的场景：
- 数据库主键（如MySQL InnoDB的聚簇索引）。
- 时序数据存储（如日志、监控数据）。
- 分布式系统：
- 微服务架构下的订单ID、支付流水号。
- 需要高吞吐量的ID生成（每秒百万级）。
- 存储敏感场景：
- 要求ID尽可能短（如短链服务、二维码标识）。
2. UUID
- 通用唯一标识符：标准化由RFC 4122定义，无需中心化协调。
- 常见版本：
- UUIDv1：基于时间戳和MAC地址生成，可能暴露隐私信息。
- UUIDv4：完全随机生成（122位随机性），冲突概率极低（约需生成约2.6×10^18个UUID才有1%的冲突概率）。
- UUIDv5/UUIDv3：基于命名空间和哈希算法（如SHA-1或MD5）。
- 组成结构（128位，36字符字符串）：
- 示例：123e4567-e89b-12d3-a456-426614174000
- 工作原理：
- UUIDv1：结合时间戳、节点MAC和随机数，确保时空唯一性。
- UUIDv4：依赖强随机数生成器（如加密算法），重复概率极低（约10^37分之一）。
- 优点：
- 去中心化：无需节点协调，节点生成简单。
- 高唯一性：128位空间，重复概率极低。
- 缺点：
- 无序性：随机生成的ID导致数据库索引分裂，影响写入性能。
- 存储成本高：128位（16字节）是Snowflake的两倍。
- 信息泄露风险：可能暴露MAC地址和生成时间。
适用场景
- 去中心化生成：
- 客户端生成的临时标识（如文件上传令牌、浏览器Cookie）。
- 无需服务端协调的多节点系统。
- 隐私要求低：
- 内部系统日志追踪（使用UUIDv4）。
- 非敏感资源的唯一标识（如图片存储key）。
- 兼容性低：
- 跨语言、跨平台系统（UUID是通用标准）。
3. 雪花算法 VS UUID
| 特性 | 雪花算法 | UUID |
|---|---|---|
| 长度 | 64位（短，存储高效） | 128位（长，占用更多空间） |
| 有序性 | 时间戳有序，适合范围查询 | 完全无序，索引效率低 |
| 生成方式 | 依赖时钟和节点配置 | 本地生成，无需协调 |
| 冲突概率 | 理论上无冲突（时钟正常时） | 极低，但非绝对为零 |
| 隐私风险 | 无 | UUIDv1可能暴露MAC地址和时间信息 |
| 时钟依赖 | 严重依赖时钟，回拨会导致问题 | 无依赖（除UUIDv1） |
| 适用场景 | 高并发分布式系统（如订单、日志） | 无需协调的临时标识（如会话ID） |
3.1 如何选择
- 选择雪花算法：
- 需要有序ID以优化数据库性能。
- 对存储和传输效率敏感（如海量数据场景）。
- 能接受节点ID管理和时钟回拨处理成本。
- 选择UUID：
- 无需有效性，追求简单实现和去中心化。
- 接受存储开销，且不依赖高并发索引（如文件ID、临时令牌）。
- 优先使用UUIDv4以避免MAC泄露风险。