全局唯一id生成策略

最近在做项目，当你数据库表中的id要向用户展示时，或者在分布式系统中，如果只用数据库id自增作为唯一id的策略的话，会出现一系列问题，比如安全性问题、数据冲突问题（在分布式系统中）等，所以需要一种方法来生成全局唯一id并且可以避免这些问题。全局唯一 ID（GUID/UUID）是许多系统开发中需要解决的问题，尤其是在分布式系统中，必须保证生成的 ID 不重复且高效。下面我总结了一下常见的几种策略。

1. 基于 UUID

UUID（Universally Unique Identifier）是一个通用的唯一标识符，通常用于生成 128 位的唯一 ID。

特点

• 无需依赖中心化服务。
• 快速生成且唯一性高。
• 格式如：550e8400-e29b-41d4-a716-446655440000。

 实现方式

import java.util.UUID;

public class UUIDExample {
    public static void main(String[] args) {
        // 生成一个 UUID
        String uniqueID = UUID.randomUUID().toString();
        System.out.println(uniqueID);  // 输出类似于：550e8400-e29b-41d4-a716-446655440000
    }
}

 优缺点

• 优点：
  • 无需中心化依赖，分布式系统中可独立生成。
  • 实现简单，生成速度快。
• 缺点：
  • UUID 较长（128 位），不适合用于高并发环境中的排序场景。
  • 可读性差。

 2. 基于数据库的自增 ID

通过数据库的自增字段实现唯一 ID。

特点

• 依赖数据库，自增字段能保证唯一性。
• ID 格式整齐（如：1、2、3、4……）。

 实现方式

MySQL 示例：

创建一个表，利用自增主键：

CREATE TABLE unique_id (
    id BIGINT AUTO_INCREMENT PRIMARY KEY
);

每次需要生成 ID 时，插入一条记录，获取自增 ID：

INSERT INTO unique_id () VALUES ();
SELECT LAST_INSERT_ID();

优缺点

• 优点：
  • 实现简单，生成的 ID 连续且有序。
• 缺点：
  • 数据库成为性能瓶颈，不适合高并发场景。
  • 分布式场景下需要额外设计解决方案（如：分库分表的 ID 生成）。

 3. 基于 Redis 的自增键

利用 Redis 的原子性自增操作生成全局唯一 ID。

特点

• INCR 是 Redis 的原子操作，可以在分布式系统中安全使用。
• Redis 性能高，适合高并发场景。

 实现方式

import redis.clients.jedis.Jedis;

public class RedisIncrExample {
    public static void main(String[] args) {
        // 连接 Redis
        Jedis jedis = new Jedis("localhost", 6379);

        // 自增键
        Long uniqueId = jedis.incr("global_id");
        System.out.println(uniqueId);  // 输出递增的整数

        jedis.close();
    }
}

优缺点

• 优点：
  • 性能高，适合分布式系统。
  • 生成的 ID 简单、递增，便于排序。
• 缺点：
  • 需要依赖 Redis 服务。

 4. 雪花算法（Snowflake）

 雪花算法是 Twitter 提出的分布式唯一 ID 生成算法，生成 64 位的整型 ID，结构如下：

 1 bit 符号位 | 41 bit 时间戳 | 10 bit 机器 ID | 12 bit 序列号

• 时间戳：表示从某个时间点到当前时间的毫秒数，41 位可用 69 年。
• 机器 ID：用于区分不同节点或机器，10 位支持最多 1024 个节点。
• 序列号：支持每毫秒生成最多 4096 个 ID。

 实现方式

 使用 Hutool 工具库：

import cn.hutool.core.util.IdUtil;

public class SnowflakeExample {
    public static void main(String[] args) {
        // 创建雪花算法生成器
        long workerId = 1;  // 机器 ID
        long datacenterId = 1;  // 数据中心 ID
        cn.hutool.core.lang.Snowflake snowflake = IdUtil.createSnowflake(workerId, datacenterId);

        // 生成唯一 ID
        long uniqueId = snowflake.nextId();
        System.out.println(uniqueId);  // 输出类似：123456789012345678
    }
}

优缺点

• 优点：
  • 高性能，适合高并发场景。
  • ID 是时间有序的，方便排序。
• 缺点：
  • 实现复杂，需要管理机器 ID。

 5. 基于时间戳与随机数

 将时间戳和随机数结合生成唯一 ID。

特点

• 时间戳保证了唯一性，随机数降低了冲突概率。
• 简单易实现。

 实现方式

import java.util.Random;

public class TimestampRandomExample {
    public static void main(String[] args) {
        long timestamp = System.currentTimeMillis();  // 当前时间戳
        int randomNum = new Random().nextInt(9000) + 1000;  // 4 位随机数
        String uniqueId = timestamp + "" + randomNum;
        System.out.println(uniqueId);  // 输出类似：167223867512345
    }
}

优缺点

• 优点：
  • 简单易用，不依赖外部服务。
• 缺点：
  • 不适合极高并发场景（可能会有冲突）。

 6.总结

以上是总结的一些方案，最近看了一下黑马点评生成全局 唯一id的策略，感觉不错，以后有机会单独写一期，over！