标签：UUID SEQUENCE TDDL 雪花 ID 序列 维度 序列号 id
分布式ID
要保证id不重复，主要从三方面考虑，时间维度、空间维度、原子维度；
时间维度：时间维度不重复，例如今天和明天不能重复，所以时间是可以加入id的一种因子；
空间维度：不同的机器，不同的环境生成的id不同，所以mac地址，机房地址等，都可以作为空间维度的区分；
原子维度：主要是线程的安全性，也就是递增的保证，我们一般称之为 序列 ，例如数据库的自增id，就仅仅是原子维度；
讨论完分布式id后，我们讨论一下非功能性的一些要求：
高可用：可以随时提供服务，不间断；
低延迟：id获取速度要快；
高并发：支持高QPS；
雪花算法
雪花算法生成的ID是一个64 bit的long型的数字且按时间趋势递增。大致由首位无效符（0,1bit）、时间戳差值（41bit）、机器编码（10bit），序列号四部分组成（12bit）。
- 雪花算法是可以保证一定程度上的递增
- 雪花算法基于高并发下，时间的最小精度可以生产最多的序列号个数决定了不重复率
UUID
- 基本自带实现，同样考虑：时间、空间、序列号维度，有多个实现版本。
- 无序，长度太大，对数据库不友好。
TDDL
阿里内部的较多用法，主要是解决一个序列原子性的问题，首先它的序列是维护在数据中的，用一张表表示，每次获取一定个数（如10000）的序列到进程中使用。
为了保证高可用，和高并发，维护序列的必然不能只是一张表，所以可以搞n张表，每一个数据库表，维护一个sequence，所以就有了单个步长和组步长的说法。
序列的获取如下所示：
纯序列
Redis：集群高可用，但是部署复杂，维护难；可读性好，容易记住，存储占有空间少。 SQL自增：实现简单，但是性能不高；可读性好，容易记住，存储占有空间少。标签：UUID,SEQUENCE,TDDL,雪花,ID,序列,维度,序列号,id 来源： https://www.cnblogs.com/iCanhua/p/16198853.html
本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享； 2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关； 3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关； 4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除； 5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。