uuid，jdk自带，但是数据库性能差，32位呀。
mysql数据库主键越短越好，B+tree产生节点分裂，大大降低数据库性能，所以uuid不建议。

redis的自增，但是要配置维护redis集群，就为了一个id，还要引入一套redis。费事，成本高。
如果有序自增别人就知道你的业务量多少了。

雪花算法

分布式自增id算法snowflake，京东还有好多大厂使用这个。
经测试每秒能产生26w个自增可以排序的id
1.生成id能按照时间有序生成
2.生成id结果是一个64bit大小的整数，为一个Long型（转换成字符串长度最多19）
3.分布式系统内不会产生id碰撞（由datacenter和worderId作区分）并且效率高。

雪花算法几个核心组成部分

1bit，符号位，不用，因为二进制中最高位是符号位，1表示负，0表示正。生成的id是正数，所以是0.
5位机房id，5位机器id

一毫秒内只能生成4095，如果超过只能到下一秒了，需要获取下一个时间戳

雪花算法的原理就是生成一个的 64 位比特位的 long 类型的唯一 id。

最高 1 位固定值 0，因为生成的 id 是正整数，如果是 1 就是负数了。
接下来 41 位存储毫秒级时间戳，2^41/(1000606024365)=69，大概可以使用 69 年。
再接下 10 位存储机器码，包括 5 位 datacenterId 和 5 位 workerId。最多可以部署 2^10=1024 台机器。
最后 12 位存储序列号。同一毫秒时间戳时，通过这个递增的序列号来区分。即对于同一台机器而言，同一毫秒时间戳下，可以生成 2^12=4096 个不重复 id。

如何使用，整合springboot即可
hutool工具包

雪花算法源码

判断是否时钟回拨，回拨抛异常不做处理


如果是这个时间第一次，sequence=0，如果同一个时间有其他进入，则（sequence+1）& sequenceMask计算，这个计算就是和12个1做与运算，当你小于4095时后，还是你自己，当大于的时候，比方是4096，计算后就是0，如果并发特别高，1毫秒产生的大于4096，阻塞到下一毫秒。通过while循环等一下，等到下一毫秒，然后变成下一个时间段了。

真正自己代码会减掉一个自己的系统初始时间，可以让我们时间更长

通过zookeeper生成机器id

雪花服务注册到nacos注册中心

时钟回拨问题

雪花算法源码里面通过判断时间大小来判断是否发生时间回拨，如果发生，抛异常，拒绝生成。这里没有做任何时钟回拨处理，所以线上机器不要动。

如何处理时钟回拨问题呢？

雪花算法源码没有解决，真的线上不能使用，需要修改。才能达到高并发，高可用，高可扩展。

第一种解决方法，我们可以加个容忍时间，设置3ms，如果发生时钟回拨，我们用LockSupport锁来睡一下，睡上最大容忍时间3ms，然后再去看一下有没有时钟回拨问题。如果还是有问题呢？我们要通过人为干预解决了

第二种解决方法，雪花算法10位机器是可以控制的，我们用备用机解决，

回拨时间长短，如果短，等待一会儿。
如果时间适中，可以将最近的数据时间段，每一毫秒的maxId数据保存起来，在他最后面开始++。
如果时间再长，雪花算法10位机器是可以控制的，我们用备用机解决，重试其他机器，换一台机器。下次再走到，已经过了时间，没有回拨问题了。
如果时间更长，机器下线，不能用了，人为解决吧。调用nacos服务下限api，将这台机器直接下线。同步发送短信告知运维。

百度开源的 UidGenerator 是基于Java语言实现的唯一ID生成器，是在雪花算法 snowflake 的基础上做了一些改进（解决了时钟回拨问题）。

美团，Leaf

基于雪花算法进行修改封装。

工作进程怎么办，1024台怎么维护
分布式主键中间件获取id，由他区分工作进程，用美团的Leaf服务，Leaf也是高可用，负载均衡
保证leaf也是不同id，0-1023，zookeeper有序节点，启动leaf，一直能扩展到1023.

Leaf需要依赖zookeeper顺序节点，通过RPC去Leaf中获取id

还有就是解决时钟回拨问题

Leaf-snowflake 方案

Leaf-segment 方案可以生成趋势递增的 ID，同时 ID 号是可计算的，不适用于订单 ID 生成场景，比如竞对在两天中午 12 点分别下单，通过订单 id 号相减就能大致计算出公司一天的订单量，这个是不能忍受的。面对这一问题，我们提供了 Leaf-snowflake 方案。

Leaf-snowflake不同于原始snowflake算法地方，主要是在workId的生成上，Leaf-snowflake依靠Zookeeper生成workId，也就是上边的机器ID（占5比特）+ 机房ID（占5比特）。Leaf中workId是基于ZooKeeper的顺序Id来生成的，每个应用在使用Leaf-snowflake时，启动时都会都在Zookeeper中生成一个顺序Id，相当于一台机器对应一个顺序节点，也就是一个workId。

Leaf-snowflake 方案完全沿用 snowflake 方案的 bit 位设计，即是 “1+41+10+12” 的方式组装 ID 号。对于 workerID 的分配，当服务集群数量较小的情况下，完全可以手动配置。Leaf 服务规模较大，动手配置成本太高。所以使用 Zookeeper 持久顺序节点的特性自动对 snowflake 节点配置 wokerID。Leaf-snowflake 是按照下面几个步骤启动的：

启动 Leaf-snowflake 服务，连接 Zookeeper，在 leaf_forever 父节点下检查自己是否已经注册过（是否有该顺序子节点）。

如果有注册过直接取回自己的 workerID（zk 顺序节点生成的 int 类型 ID 号），启动服务。

如果没有注册过，就在该父节点下面创建一个持久顺序节点，创建成功后取回顺序号当做自己的 workerID 号，启动服务。

弱依赖 ZooKeeper
除了每次会去 ZK 拿数据以外，也会在本机文件系统上缓存一个 workerID 文件。当 ZooKeeper 出现问题，恰好机器出现问题需要重启时，能保证服务能够正常启动。这样做到了对三方组件的弱依赖。一定程度上提高了 SLA

启动Leaf-snowflake模式也比较简单，启动本地ZooKeeper，修改一下项目中的leaf.properties文件，关闭leaf.segment模式，启用leaf.snowflake模式即可。

leaf.name=com.sankuai.leaf.opensource.test
leaf.segment.enable=false
leaf.snowflake.enable=true
leaf.snowflake.zk.address=127.0.0.1
leaf.snowflake.port=2181

注意：在启动项目之前，请保证已经正常启动zookeeper

解决时钟问题

因为这种方案依赖时间，如果机器的时钟发生了回拨，那么就会有可能生成重复的 ID 号，需要解决时钟回退的问题。

参见上图整个启动流程图，服务启动时首先检查自己是否写过 ZooKeeper leaf_forever 节点：

若写过，则用自身系统时间与 leaf_forever/$self节点记录时间做比较，若小于lea{f}_{f}orever/${self} 时间则认为机器时间发生了大步长回拨，服务启动失败并报警。

若未写过，证明是新服务节点，直接创建持久节点 leaf_forever/${self} 并写入自身系统时间，接下来综合对比其余 Leaf 节点的系统时间来判断自身系统时间是否准确，具体做法是取 leaf_temporary 下的所有临时节点 (所有运行中的 Leaf-snowflake 节点) 的服务 IP：Port，然后通过 RPC 请求得到所有节点的系统时间，计算 sum (time)/nodeSize。

若 abs (系统时间 - sum (time)/nodeSize ) < 阈值，认为当前系统时间准确，正常启动服务，同时写临时节点 leaf_temporary/${self} 维持租约。

否则认为本机系统时间发生大步长偏移，启动失败并报警。

每隔一段时间 (3s) 上报自身系统时间写入 leaf_forever/${self}。

由于强依赖时钟，对时间的要求比较敏感，在机器工作时 NTP 同步也会造成秒级别的回退，建议可以直接关闭 NTP 同步。要么在时钟回拨的时候直接不提供服务直接返回 ERROR_CODE，等时钟追上即可。或者做一层重试，然后上报报警系统，更或者是发现有时钟回拨之后自动摘除本身节点并报警，如下：

//发生了回拨，此刻时间小于上次发号时间

  if (timestamp < lastTimestamp) {            
  long offset = lastTimestamp - timestamp;            
  if (offset <= 5) {               
   try {                    //时间偏差大小小于5ms，则等待两倍时间
                    wait(offset << 1);//wait
                    timestamp = timeGen();                   
                     if (timestamp < lastTimestamp) {                       //还是小于，抛异常并上报
                        throwClockBackwardsEx(timestamp);
                      }    
                } catch (InterruptedException e) {  
                   throw  e;
                }
            } else {                //throw
                throwClockBackwardsEx(timestamp);
            }
        } //分配ID

从上线情况来看，在 2017 年闰秒出现那一次出现过部分机器回拨，由于 Leaf-snowflake 的策略保证，成功避免了对业务造成的影响。