一. 分散式 id

特點：

1. 全域性唯一性：全域性沒有重複的id標識。
2. 遞增性：保證生成的 id 在業務中是遞增的。
3. 高可用：確保在任何時候都能生成正確可用的id。
4. 高併發：在高併發環境下表現良好。

分散式id常見解決方案

1. UUID
java 中自帶的演算法，其能生成一串佔 36 bit 的字串，可以保證唯一性但無法實現有序遞增，且業務可讀性差。
2. 雪花演算法
具體介紹寫在下面。
3. Leaf
由美團開源的分散式id生成演算法，能保證唯一性，遞增性，但需要依賴關係資料庫、Zookeeper 等中介軟體。可以參考：Leaf演算法

二. 雪花演算法

雪花演算法是 Twitter 開發的一種分散式 id 生成演算法，即 SnowFlake 演算法，取意於自然界不存在兩片完全一樣的雪花，雪花演算法生成的 id 也如雪花一樣是獨一無二的。

組成

雪花演算法生成的 id 是一個 64 bit（位)的 long 型的數字（二進位制的），下面給出結構圖：

該生成的 id 主要由 4 部分構成：
1. 首位無效佔位符：佔用 1 bit ,其值始終為 0，沒有意義。
2. 時間戳：佔用 41 bit ,用來記錄時間戳，為毫米級，即 2 的 41 次方大概為 69 年。
3. 機器編碼：佔用 10 bit ,其中高位 5 bit 是資料中心 ID，低位 5 bit 是工作節點 ID，最多可以容納 1024 個節點。
4. 序列號：佔用 12 bit ,用來記錄同毫秒內產生的不同 id 。每個節點每毫秒從 0 開始不斷累加，最多可以累加到 4095 ，一共可以產生 4096 個 id 。
SnowFlake演算法在同一毫秒內最多可以生成 1024 X 4096 = 4194304 個全域性唯一id。

三. 雪花演算法導致前端精度丟失解決方法

原因：

前端 js 的 number 型別有最大值，即 2 的 53 次方，為9007199254740992，這是一個 16 位的十進位制整數即前端精度為 16 位，後端採用雪花演算法得到的 id 是 long 型（64 bit）的即精度位 19 位。這時候，前後端傳值就會出現精度丟失。

解決方法：

1.把資料庫 id 改為 String 型別，相當的麻煩，且效能會下降，此種方法不能使用。
2.採用註解方法，將@JsonSerialize(using = ToStringSerializer.class)加到需要的 id 欄位上。例子如下：

public class ArticleVo {
    //防止後端Long型別轉為前端JSON資料精度丟失
    @JsonSerialize(using = ToStringSerializer.class)
    private Long id;

    private String title;

    private String summary;
}
 

3.可以採用這個博主的全域性配置類方法：點選這裡檢視