一口氣說出 9種分散式ID生成方式，面試官有點懵了

阿新 • • 發佈：2020-02-16

整理了一些Java方面的架構、面試資料（微服務、叢集、分散式、中介軟體等），有需要的小夥伴可以關注公眾號【程式設計師內點事】，無套路自行領取

本文作者：程式設計師內點事
原文連結：https://mp.weixin.qq.com/s?__biz=MzAxNTM4NzAyNg

更多精選

3萬字總結，Mysql優化之精髓
為了不復制貼上，我被逼著學會了JAVA爬蟲
技術部突然宣佈：JAVA開發人員全部要會介面自動化測試框架

寫在前邊

前兩天公眾號有個粉絲給我留言吐槽最近面試：“四哥，年前我在公司受點委屈一衝動就裸辭了，然後現在疫情嚴重兩個多月還沒找到工作，接了幾個視訊面試也都沒下文。好多面試官問完一個問題，緊接著說還會其他解決方法嗎？能幹活解決bug不就行了嗎？那還得會多少種方法？”

面試官應該是對應聘者的回答不太滿意，他想聽到一個他認為最優的解決方案，其實這無可厚非。同樣一個bug，能用一行程式碼解決問題的人和用十行程式碼解決問題的人，你會選哪個入職？顯而易見的事情！所以看待問題還是要從多個角度出發，每種方法都有各自的利弊。

一、為什麼要用分散式ID？

在說分散式ID的具體實現之前，我們來簡單分析一下為什麼用分散式ID？分散式ID應該滿足哪些特徵？

1、什麼是分散式ID？

拿MySQL資料庫舉個栗子：

在我們業務資料量不大的時候，單庫單表完全可以支撐現有業務，資料再大一點搞個MySQL主從同步讀寫分離也能對付。

但隨著資料日漸增長，主從同步也扛不住了，就需要對資料庫進行分庫分表，但分庫分表後需要有一個唯一ID來標識一條資料，資料庫的自增ID顯然不能滿足需求；特別一點的如訂單、優惠券也都需要有唯一ID

做標識。此時一個能夠生成全域性唯一ID的系統是非常必要的。那麼這個全域性唯一ID就叫分散式ID。

2、那麼分散式ID需要滿足那些條件？

全域性唯一：必須保證ID是全域性性唯一的，基本要求
高效能：高可用低延時，ID生成響應要塊，否則反倒會成為業務瓶頸
高可用：100%的可用性是騙人的，但是也要無限接近於100%的可用性
好接入：要秉著拿來即用的設計原則，在系統設計和實現上要儘可能的簡單
趨勢遞增：最好趨勢遞增，這個要求就得看具體業務場景了，一般不嚴格要求

二、分散式ID都有哪些生成方式？

今天主要分析一下以下9種，分散式ID生成器方式以及優缺點：

UUID
資料庫自增ID
資料庫多主模式
號段模式

Redis
雪花演算法（SnowFlake）
滴滴出品（TinyID）
百度（Uidgenerator）
美團（Leaf）

那麼它們都是如何實現？以及各自有什麼優缺點？我們往下看

以上圖片源自網路，如有侵權聯絡刪除

1、基於UUID

在Java的世界裡，想要得到一個具有唯一性的ID，首先被想到可能就是UUID，畢竟它有著全球唯一的特性。那麼UUID可以做分散式ID嗎？答案是可以的，但是並不推薦！

public static void main(String[] args) { 
       String uuid = UUID.randomUUID().toString().replaceAll("-","");
       System.out.println(uuid);
 }

UUID的生成簡單到只有一行程式碼，輸出結果 c2b8c2b9e46c47e3b30dca3b0d447718，但UUID卻並不適用於實際的業務需求。像用作訂單號UUID這樣的字串沒有絲毫的意義，看不出和訂單相關的有用資訊；而對於資料庫來說用作業務主鍵ID，它不僅是太長還是字串，儲存效能差查詢也很耗時，所以不推薦用作分散式ID。

優點：

生成足夠簡單，本地生成無網路消耗，具有唯一性

缺點：

無序的字串，不具備趨勢自增特性
沒有具體的業務含義
長度過長16 位元組128位，36位長度的字串，儲存以及查詢對MySQL的效能消耗較大，MySQL官方明確建議主鍵要儘量越短越好，作為資料庫主鍵 UUID 的無序性會導致資料位置頻繁變動，嚴重影響效能。

2、基於資料庫自增ID

基於資料庫的auto_increment自增ID完全可以充當分散式ID，具體實現：需要一個單獨的MySQL例項用來生成ID，建表結構如下：

CREATE DATABASE `SEQ_ID`;
CREATE TABLE SEQID.SEQUENCE_ID (
    id bigint(20) unsigned NOT NULL auto_increment, 
    value char(10) NOT NULL default '',
    PRIMARY KEY (id),
) ENGINE=MyISAM;

insert into SEQUENCE_ID(value)  VALUES ('values');

當我們需要一個ID的時候，向表中插入一條記錄返回主鍵ID，但這種方式有一個比較致命的缺點，訪問量激增時MySQL本身就是系統的瓶頸，用它來實現分散式服務風險比較大，不推薦！

優點：

實現簡單，ID單調自增，數值型別查詢速度快

缺點：

DB單點存在宕機風險，無法扛住高併發場景

3、基於資料庫叢集模式

前邊說了單點資料庫方式不可取，那對上邊的方式做一些高可用優化，換成主從模式叢集。害怕一個主節點掛掉沒法用，那就做雙主模式叢集，也就是兩個Mysql例項都能單獨的生產自增ID。

那這樣還會有個問題，兩個MySQL例項的自增ID都從1開始，會生成重複的ID怎麼辦？

解決方案：設定起始值和自增步長

MySQL_1 配置：

set @@auto_increment_offset = 1;     -- 起始值
set @@auto_increment_increment = 2;  -- 步長

MySQL_2 配置：

set @@auto_increment_offset = 2;     -- 起始值
set @@auto_increment_increment = 2;  -- 步長

這樣兩個MySQL例項的自增ID分別就是：

1、3、5、7、9
2、4、6、8、10

那如果集群后的效能還是扛不住高併發咋辦？就要進行MySQL擴容增加節點，這是一個比較麻煩的事。

從上圖可以看出，水平擴充套件的資料庫叢集，有利於解決資料庫單點壓力的問題，同時為了ID生成特性，將自增步長按照機器數量來設定。

增加第三臺MySQL例項需要人工修改一、二兩臺MySQL例項的起始值和步長，把第三臺機器的ID起始生成位置設定在比現有最大自增ID的位置遠一些，但必須在一、二兩臺MySQL例項ID還沒有增長到第三臺MySQL例項的起始ID值的時候，否則自增ID就要出現重複了，必要時可能還需要停機修改。

優點：

解決DB單點問題

缺點：

不利於後續擴容，而且實際上單個數據庫自身壓力還是大，依舊無法滿足高併發場景。

4、基於資料庫的號段模式

號段模式是當下分散式ID生成器的主流實現方式之一，號段模式可以理解為從資料庫批量的獲取自增ID，每次從資料庫取出一個號段範圍，例如 (1,1000] 代表1000個ID，具體的業務服務將本號段，生成1~1000的自增ID並載入到記憶體。表結構如下：

CREATE TABLE id_generator (
  id int(10) NOT NULL,
  max_id bigint(20) NOT NULL COMMENT '當前最大id',
  step int(20) NOT NULL COMMENT '號段的布長',
  biz_type  int(20) NOT NULL COMMENT '業務型別',
  version int(20) NOT NULL COMMENT '版本號',
  PRIMARY KEY (`id`)
)

biz_type ：代表不同業務型別

max_id ：當前最大的可用id

step ：代表號段的長度

version ：是一個樂觀鎖，每次都更新version，保證併發時資料的正確性

id	biz_type	max_id	step	version
1	101	1000	2000	0

等這批號段ID用完，再次向資料庫申請新號段，對max_id欄位做一次update操作，update max_id= max_id + step，update成功則說明新號段獲取成功，新的號段範圍是(max_id ,max_id +step]。

update id_generator set max_id = #{max_id+step}, version = version + 1 where version = # {version} and biz_type = XXX

由於多業務端可能同時操作，所以採用版本號version樂觀鎖方式更新，這種分散式ID生成方式不強依賴於資料庫，不會頻繁的訪問資料庫，對資料庫的壓力小很多。

5、基於Redis模式

Redis也同樣可以實現，原理就是利用redis的 incr命令實現ID的原子性自增。

127.0.0.1:6379> set seq_id 1     // 初始化自增ID為1
OK
127.0.0.1:6379> incr seq_id      // 增加1，並返回遞增後的數值
(integer) 2

用redis實現需要注意一點，要考慮到redis持久化的問題。redis有兩種持久化方式RDB和AOF

RDB會定時打一個快照進行持久化，假如連續自增但redis沒及時持久化，而這會Redis掛掉了，重啟Redis後會出現ID重複的情況。
AOF會對每條寫命令進行持久化，即使Redis掛掉了也不會出現ID重複的情況，但由於incr命令的特殊性，會導致Redis重啟恢復的資料時間過長。

6、基於雪花演算法（Snowflake）模式

雪花演算法（Snowflake）是twitter公司內部分散式專案採用的ID生成演算法，開源後廣受國內大廠的好評，在該演算法影響下各大公司相繼開發出各具特色的分散式生成器。

以上圖片源自網路，如有侵權聯絡刪除

Snowflake生成的是Long型別的ID，一個Long型別佔8個位元組，每個位元組佔8位元，也就是說一個Long型別佔64個位元。

Snowflake ID組成結構：正數位（佔1位元）+ 時間戳（佔41位元）+ 機器ID（佔5位元）+ 資料中心（佔5位元）+ 自增值（佔12位元），總共64位元組成的一個Long型別。

第一個bit位（1bit）：Java中long的最高位是符號位代表正負，正數是0，負數是1，一般生成ID都為正數，所以預設為0。
時間戳部分（41bit）：毫秒級的時間，不建議存當前時間戳，而是用（當前時間戳 - 固定開始時間戳）的差值，可以使產生的ID從更小的值開始；41位的時間戳可以使用69年，(1L << 41) / (1000L * 60 * 60 * 24 * 365) = 69年
工作機器id（10bit）：也被叫做workId，這個可以靈活配置，機房或者機器號組合都可以。
序列號部分（12bit），自增值支援同一毫秒內同一個節點可以生成4096個ID

根據這個演算法的邏輯，只需要將這個演算法用Java語言實現出來，封裝為一個工具方法，那麼各個業務應用可以直接使用該工具方法來獲取分散式ID，只需保證每個業務應用有自己的工作機器id即可，而不需要單獨去搭建一個獲取分散式ID的應用。

Java版本的Snowflake演算法實現：


/**
 * Twitter的SnowFlake演算法,使用SnowFlake演算法生成一個整數，然後轉化為62進制變成一個短地址URL
 *
 * https://github.com/beyondfengyu/SnowFlake
 */
public class SnowFlakeShortUrl {

    /**
     * 起始的時間戳
     */
    private final static long START_TIMESTAMP = 1480166465631L;

    /**
     * 每一部分佔用的位數
     */
    private final static long SEQUENCE_BIT = 12;   //序列號佔用的位數
    private final static long MACHINE_BIT = 5;     //機器標識佔用的位數
    private final static long DATA_CENTER_BIT = 5; //資料中心佔用的位數

    /**
     * 每一部分的最大值
     */
    private final static long MAX_SEQUENCE = -1L ^ (-1L << SEQUENCE_BIT);
    private final static long MAX_MACHINE_NUM = -1L ^ (-1L << MACHINE_BIT);
    private final static long MAX_DATA_CENTER_NUM = -1L ^ (-1L << DATA_CENTER_BIT);

    /**
     * 每一部分向左的位移
     */
    private final static long MACHINE_LEFT = SEQUENCE_BIT;
    private final static long DATA_CENTER_LEFT = SEQUENCE_BIT + MACHINE_BIT;
    private final static long TIMESTAMP_LEFT = DATA_CENTER_LEFT + DATA_CENTER_BIT;

    private long dataCenterId;  //資料中心
    private long machineId;     //機器標識
    private long sequence = 0L; //序列號
    private long lastTimeStamp = -1L;  //上一次時間戳

    private long getNextMill() {
        long mill = getNewTimeStamp();
        while (mill <= lastTimeStamp) {
            mill = getNewTimeStamp();
        }
        return mill;
    }

    private long getNewTimeStamp() {
        return System.currentTimeMillis();
    }

    /**
     * 根據指定的資料中心ID和機器標誌ID生成指定的序列號
     *
     * @param dataCenterId 資料中心ID
     * @param machineId    機器標誌ID
     */
    public SnowFlakeShortUrl(long dataCenterId, long machineId) {
        if (dataCenterId > MAX_DATA_CENTER_NUM || dataCenterId < 0) {
            throw new IllegalArgumentException("DtaCenterId can't be greater than MAX_DATA_CENTER_NUM or less than 0！");
        }
        if (machineId > MAX_MACHINE_NUM || machineId < 0) {
            throw new IllegalArgumentException("MachineId can't be greater than MAX_MACHINE_NUM or less than 0！");
        }
        this.dataCenterId = dataCenterId;
        this.machineId = machineId;
    }

    /**
     * 產生下一個ID
     *
     * @return
     */
    public synchronized long nextId() {
        long currTimeStamp = getNewTimeStamp();
        if (currTimeStamp < lastTimeStamp) {
            throw new RuntimeException("Clock moved backwards.  Refusing to generate id");
        }

        if (currTimeStamp == lastTimeStamp) {
            //相同毫秒內，序列號自增
            sequence = (sequence + 1) & MAX_SEQUENCE;
            //同一毫秒的序列數已經達到最大
            if (sequence == 0L) {
                currTimeStamp = getNextMill();
            }
        } else {
            //不同毫秒內，序列號置為0
            sequence = 0L;
        }

        lastTimeStamp = currTimeStamp;

        return (currTimeStamp - START_TIMESTAMP) << TIMESTAMP_LEFT //時間戳部分
                | dataCenterId << DATA_CENTER_LEFT       //資料中心部分
                | machineId << MACHINE_LEFT             //機器標識部分
                | sequence;                             //序列號部分
    }
    
    public static void main(String[] args) {
        SnowFlakeShortUrl snowFlake = new SnowFlakeShortUrl(2, 3);

        for (int i = 0; i < (1 << 4); i++) {
            //10進位制
            System.out.println(snowFlake.nextId());
        }
    }
}

7、百度（uid-generator）

uid-generator是由百度技術部開發，專案GitHub地址 https://github.com/baidu/uid-generator

uid-generator是基於Snowflake演算法實現的，與原始的snowflake演算法不同在於，uid-generator支援自定義時間戳、工作機器ID和 序列號 等各部分的位數，而且uid-generator中採用使用者自定義workId的生成策略。

uid-generator需要與資料庫配合使用，需要新增一個WORKER_NODE表。當應用啟動時會向資料庫表中去插入一條資料，插入成功後返回的自增ID就是該機器的workId資料由host，port組成。

對於uid-generator ID組成結構：

workId，佔用了22個bit位，時間佔用了28個bit位，序列化佔用了13個bit位，需要注意的是，和原始的snowflake不太一樣，時間的單位是秒，而不是毫秒，workId也不一樣，而且同一應用每次重啟就會消費一個workId。

參考文獻
https://github.com/baidu/uid-generator/blob/master/README.zh_cn.md

8、美團（Leaf）

Leaf由美團開發，github地址：https://github.com/Meituan-Dianping/Leaf

Leaf同時支援號段模式和snowflake演算法模式，可以切換使用。

號段模式

先匯入原始碼 https://github.com/Meituan-Dianping/Leaf ，在建一張表leaf_alloc

DROP TABLE IF EXISTS `leaf_alloc`;

CREATE TABLE `leaf_alloc` (
  `biz_tag` varchar(128)  NOT NULL DEFAULT '' COMMENT '業務key',
  `max_id` bigint(20) NOT NULL DEFAULT '1' COMMENT '當前已經分配了的最大id',
  `step` int(11) NOT NULL COMMENT '初始步長，也是動態調整的最小步長',
  `description` varchar(256)  DEFAULT NULL COMMENT '業務key的描述',
  `update_time` timestamp NOT NULL DEFAULT CURRENT_TIMESTAMP ON UPDATE CURRENT_TIMESTAMP COMMENT '資料庫維護的更新時間',
  PRIMARY KEY (`biz_tag`)
) ENGINE=InnoDB;

然後在專案中開啟號段模式，配置對應的資料庫資訊，並關閉snowflake模式

leaf.name=com.sankuai.leaf.opensource.test
leaf.segment.enable=true
leaf.jdbc.url=jdbc:mysql://localhost:3306/leaf_test?useUnicode=true&characterEncoding=utf8&characterSetResults=utf8
leaf.jdbc.username=root
leaf.jdbc.password=root

leaf.snowflake.enable=false
#leaf.snowflake.zk.address=
#leaf.snowflake.port=

啟動leaf-server 模組的 LeafServerApplication專案就跑起來了

號段模式獲取分散式自增ID的測試url ：http：//localhost：8080/api/segment/get/leaf-segment-test

監控號段模式：http://localhost:8080/cache

snowflake模式

Leaf的snowflake模式依賴於ZooKeeper，不同於原始snowflake演算法也主要是在workId的生成上，Leaf中workId是基於ZooKeeper的順序Id來生成的，每個應用在使用Leaf-snowflake時，啟動時都會都在Zookeeper中生成一個順序Id，相當於一臺機器對應一個順序節點，也就是一個workId。

leaf.snowflake.enable=true
leaf.snowflake.zk.address=127.0.0.1
leaf.snowflake.port=2181

snowflake模式獲取分散式自增ID的測試url：http://localhost:8080/api/snowflake/get/test

9、滴滴（Tinyid）

Tinyid由滴滴開發，Github地址：https://github.com/didi/tinyid。

Tinyid是基於號段模式原理實現的與Leaf如出一轍，每個服務獲取一個號段（1000,2000]、（2000,3000]、（3000,4000]
Tinyid提供http和tinyid-client兩種方式接入

Http方式接入

（1）匯入Tinyid原始碼：

git clone https://github.com/didi/tinyid.git

（2）建立資料表：

CREATE TABLE `tiny_id_info` (
  `id` bigint(20) unsigned NOT NULL AUTO_INCREMENT COMMENT '自增主鍵',
  `biz_type` varchar(63) NOT NULL DEFAULT '' COMMENT '業務型別，唯一',
  `begin_id` bigint(20) NOT NULL DEFAULT '0' COMMENT '開始id，僅記錄初始值，無其他含義。初始化時begin_id和max_id應相同',
  `max_id` bigint(20) NOT NULL DEFAULT '0' COMMENT '當前最大id',
  `step` int(11) DEFAULT '0' COMMENT '步長',
  `delta` int(11) NOT NULL DEFAULT '1' COMMENT '每次id增量',
  `remainder` int(11) NOT NULL DEFAULT '0' COMMENT '餘數',
  `create_time` timestamp NOT NULL DEFAULT '2010-01-01 00:00:00' COMMENT '建立時間',
  `update_time` timestamp NOT NULL DEFAULT '2010-01-01 00:00:00' COMMENT '更新時間',
  `version` bigint(20) NOT NULL DEFAULT '0' COMMENT '版本號',
  PRIMARY KEY (`id`),
  UNIQUE KEY `uniq_biz_type` (`biz_type`)
) ENGINE=InnoDB AUTO_INCREMENT=1 DEFAULT CHARSET=utf8 COMMENT 'id資訊表';

CREATE TABLE `tiny_id_token` (
  `id` int(11) unsigned NOT NULL AUTO_INCREMENT COMMENT '自增id',
  `token` varchar(255) NOT NULL DEFAULT '' COMMENT 'token',
  `biz_type` varchar(63) NOT NULL DEFAULT '' COMMENT '此token可訪問的業務型別標識',
  `remark` varchar(255) NOT NULL DEFAULT '' COMMENT '備註',
  `create_time` timestamp NOT NULL DEFAULT '2010-01-01 00:00:00' COMMENT '建立時間',
  `update_time` timestamp NOT NULL DEFAULT '2010-01-01 00:00:00' COMMENT '更新時間',
  PRIMARY KEY (`id`)
) ENGINE=InnoDB AUTO_INCREMENT=1 DEFAULT CHARSET=utf8 COMMENT 'token資訊表';

INSERT INTO `tiny_id_info` (`id`, `biz_type`, `begin_id`, `max_id`, `step`, `delta`, `remainder`, `create_time`, `update_time`, `version`)
VALUES
    (1, 'test', 1, 1, 100000, 1, 0, '2018-07-21 23:52:58', '2018-07-22 23:19:27', 1);

INSERT INTO `tiny_id_info` (`id`, `biz_type`, `begin_id`, `max_id`, `step`, `delta`, `remainder`, `create_time`, `update_time`, `version`)
VALUES
    (2, 'test_odd', 1, 1, 100000, 2, 1, '2018-07-21 23:52:58', '2018-07-23 00:39:24', 3);


INSERT INTO `tiny_id_token` (`id`, `token`, `biz_type`, `remark`, `create_time`, `update_time`)
VALUES
    (1, '0f673adf80504e2eaa552f5d791b644c', 'test', '1', '2017-12-14 16:36:46', '2017-12-14 16:36:48');

INSERT INTO `tiny_id_token` (`id`, `token`, `biz_type`, `remark`, `create_time`, `update_time`)
VALUES
    (2, '0f673adf80504e2eaa552f5d791b644c', 'test_odd', '1', '2017-12-14 16:36:46', '2017-12-14 16:36:48');

（3）配置資料庫：

datasource.tinyid.names=primary
datasource.tinyid.primary.driver-class-name=com.mysql.jdbc.Driver
datasource.tinyid.primary.url=jdbc:mysql://ip:port/databaseName?autoReconnect=true&useUnicode=true&characterEncoding=UTF-8
datasource.tinyid.primary.username=root
datasource.tinyid.primary.password=123456

（4）啟動tinyid-server後測試

獲取分散式自增ID: http://localhost:9999/tinyid/id/nextIdSimple?bizType=test&token=0f673adf80504e2eaa552f5d791b644c'
返回結果: 3

批量獲取分散式自增ID:
http://localhost:9999/tinyid/id/nextIdSimple?bizType=test&token=0f673adf80504e2eaa552f5d791b644c&batchSize=10'
返回結果:  4,5,6,7,8,9,10,11,12,13

Java客戶端方式接入

重複Http方式的（2）（3）操作

引入依賴

       <dependency>
            <groupId>com.xiaoju.uemc.tinyid</groupId>
            <artifactId>tinyid-client</artifactId>
            <version>${tinyid.version}</version>
        </dependency>

配置檔案

tinyid.server =localhost:9999
tinyid.token =0f673adf80504e2eaa552f5d791b644c

test 、tinyid.token是在資料庫表中預先插入的資料，test 是具體業務型別，tinyid.token表示可訪問的業務型別

// 獲取單個分散式自增ID
Long id =  TinyId . nextId( " test " );

// 按需批量分散式自增ID
List< Long > ids =  TinyId . nextId( " test " , 10 );

總結

本文只是簡單介紹一下每種分散式ID生成器，旨在給大家一個詳細學習的方向，每種生成方式都有它自己的優缺點，具體如何使用還要看具體的業務需求。

今天就說這麼多，如果本文對您有一點幫助，希望能得到您一個點贊

一口氣說出 9種分散式ID生成方式，面試官有點懵了

寫在前邊

一、為什麼要用分散式ID？

1、什麼是分散式ID？

2、那麼分散式ID需要滿足那些條件？

二、分散式ID都有哪些生成方式？

1、基於UUID

2、基於資料庫自增ID

3、基於資料庫叢集模式

4、基於資料庫的號段模式

5、基於Redis模式

6、基於雪花演算法（Snowflake）模式

7、百度（uid-generator）

8、美團（Leaf）

號段模式

snowflake模式

9、滴滴（Tinyid）

Http方式接入

Java客戶端方式接入

總結

一口氣說出 9種分散式ID生成方式，面試官有點懵了

9種分散式ID生成之美團（Leaf）實戰

一口氣說出 4種 LBS “附近的人” 實現方式，面試官笑了

一口氣說出 OAuth2.0 的四種鑑權方式，面試官會高看一眼

一口氣說出 OAuth2.0 的四種授權方式，面試官會高看一眼

分散式ID生成服務，真的有必要搞一個

【遞迴題】正確的開啟方式，面試官聽了都說精闢

一口氣說出 4 種分散式一致性 Session 實現方式，面試槓槓的~

分散式ID生成策略(1)_snowflake演算法

基於TwitterSnowflake分散式id生成工具類實現

分散式ID生成系統 UUID與雪花（snowflake）演算法

hibernate 多對多中間表主鍵問題及id生成方式

細聊分散式ID生成方法

分散式ID生成

SnowFlake --- 分散式id生成演算法工具類

Java中9種IO的讀取方式

hibernate的11種主鍵生成方式

SnowFlake --- 分散式id生成演算法

Leaf：美團分散式ID生成服務開源

分散式ID生成方法

一口氣說出 9種 分散式ID生成方式，面試官有點懵了

寫在前邊

一、為什麼要用分散式ID？

1、什麼是分散式ID？

2、那麼分散式ID需要滿足那些條件？

二、 分散式ID都有哪些生成方式？

1、基於UUID

2、基於資料庫自增ID

3、基於資料庫叢集模式

4、基於資料庫的號段模式

5、基於Redis模式

6、基於雪花演算法（Snowflake）模式

7、百度（uid-generator）

8、美團（Leaf）

號段模式

snowflake模式

9、滴滴（Tinyid）

Http方式接入

Java客戶端方式接入

總結

相關推薦

一口氣說出 9種分散式ID生成方式，面試官有點懵了

二、分散式ID都有哪些生成方式？