其实老早就像写一点这个话题。几乎我见过的所有大型系统中，都需要一个唯一 ID 的生成逻辑。别看小小的 ID，需求和场景还挺多：
- 这个 ID 多数为数字，但有时候是数字字母的组合；
- 可能随机，也可能要求随时间严格递增；
- 有时 ID 的长度和组成并不重要，有时候却要求它严格遵循规则，或者考虑可读性而要求长度越短越好；
- 某些系统要求 ID 可以预期，某些系统却要求 ID 随机性强，无法猜测（例如避免爬虫等等原因）。
独立的生成服务
比如数据库。最常见的一种，也是应用最多的一种，就是利用数据库的自增长序列。比如 Oracle 中的 sequence 的 nextVal。有多台 application 的 host，但是只有一个数据库。本质上这是耍了个小赖皮，把某分布式系统唯一 ID 的生成逻辑寄托到一个特定的数据库上，于是分布式系统存在中心节点了。
这个方法简单，而且可以严格保证单调递增。不过中心化带来的问题众所周知，比如单点故障，比如性能方面的扩展上限。有一种 workaround，正如同数据库有主从库一样，可以给不同的数据库设置 sequence 范围（比如一个是从 1~100000000，另一个是从 100000001 到 200000000），或者是设置相同的步长（比如一个是 1、3、5、7……另一个是 2、4、6、8……），但是互相不重复，从而保证唯一性。不过这样不同 sequence 生成节点整体内的 ID 递增性就丢失了。
其它的生成服务也有很多，很多系统中设计的 ticket server 本质上也就是扮演这样一个角色，特点是这个 ID 生成服务系统必须独立于现有母系统（客户系统）。但是注意，单点 service 不代表一定会存在单点故障，单点 service 一样可以 HA。因为这个 service 也可以是去中心化的。
既然说到这样的 service，开源 ID 生成算法上，最最有名的是 Twitter 的 snowflake，它正是重点考虑到 high scale 而设计的。64bit 长度以下，无需节点间复杂的协作，ID 有序。每一条 snowflake 生成的 ID 都包含三个部分：timestamp、节点编号，以及一个自增的子序列号。额外地，需要提及其中两个问题的处理：
- timestamp 冲突：timestamp 本身是毫秒级的，如果出现冲突，那么其中的自增子序列号会自动 1 从而保证生成的 ID 不会和上一条的冲突。
- 节点编号的生成：这个其实是从 Zookeeper 去获取的，也是被诟病说它不够去中心化的原因之一（一个改进方案是 Boundary Flake，不需要依赖于这个获取逻辑）。
本地生成器
这个也很常见，局限性也非常明显。通常必须满足这样的要求：在不同的 host（分布式节点）之间没有关系保证（比如递增性）。
比如我见过这样的逻辑，用 host 的唯一编号来作前缀（保证环境中节点编号的唯一性即可），毫秒数来生成 ID 的主体部分。看似简单，一样可以解决唯一 ID 的问题。当然它的局限性也很多，如果使用当前毫秒数，无法对于不同 host 生成的 ID 进行先后比较（因为无法确保时间是严格一致的）；而且只能一个毫秒最多只能生成一个 ID，如果要生成两个就会产生冲突。这两个问题当中，对于后者有一个改进方案，就是使用一个 AtomicLong 来保证冲突情况下的自增序列。
既然提到了 AtomicLong，有一些开源项目做到了对 AtomicLong 的分布式实现。比如 Redisson（基于 Redis）。但这不属于这里讨论的本地生成器范畴。
还有一种典型是 UUID。UUID 的全称叫做 universally unique identifier，Java 中一个 UUID 代表一个 128bit 的数。在分布式系统中，它比前面说的方案有更多优势，比如长度一致，比如没有一个毫秒内最多只能生成一个的要求。但是，尽管可以认为它是唯一的，基于随机数产生的 UUID 冲突却是理论上可能存在的。
文章未经特殊标明皆为本人原创，未经许可不得用于任何商业用途，转载请保持完整性并注明来源链接 《四火的唠叨》
