分布式系统数据信息唯一标识之UUID

一. 何为UUID

        UUID 是指 Universally Unique Identifier，即通用唯一识别码 。
        UUID 的目的是让分布式系统中的所有元素都能有唯一的识别信息 。如此一来，每个业务任务都可以创建不与其它任务冲突的 UUID，就不需考虑诸如：数据库创建时的名称重复问题、分布式系统数据信息无法跟踪一条日志信息的问题 。它使用某种规则，而不是某种中心化的自增方式，来 保证这个识别码的全局唯一性。

 

二. UUID格式及版本

UUID 是由一组32位数的16进制数字所构成，所以 UUID 理论上的总数16³²=2¹²⁸，约等于3.4 x 10¹²³。也就是说若每纳秒产生1百万个 UUID，要花100亿年才会将所有 UUID 用完
 

UUID的格式：

UUID 的十六个八位字节被表示为 32个十六进制数字，以连字号分隔的五组来显示，形式为 8-4-4-4-12，总共有 36个字符（即三十二个英数字母和四个连字号）。例如：

123e4567-e89b-12d3-a456-426655440000

xxxxxxxx-xxxx-Mxxx-Nxxx-xxxxxxxxxxxx

数字 M 的四位表示 UUID 版本，当前规范有5个版本，M可选值为1, 2, 3, 4, 5 ；

数字 N 的一至四个最高有效位表示 UUID 变体( variant )，有固定的两位10xx因此只可能取值 8, 9, a, b

UUID版本通过M表示，当前规范有5个版本，M可选值为1, 2, 3, 4, 5。这5个版本使用不同算法，利用不同的信息来产生UUID，各版本有各自优势，适用于不同情景：

• 版本1： 严格按照 UUID 定义的每个字段的意义来实现，使用的变量因子是 时间戳＋时钟序列＋节点信息（Mac地址）
• 版本2： 基本和版本1一致，但是它主要是和 DCE（ IBM 的一套分布式计算环境）。但是这个版本在 IETF 中也没有具体描述，反而在DCE 1.1: Authentication and Security Services这篇文档中说到了具体实现。所以这个版本现在很少使用到，并且很多地方的实现也都忽略了它。
• 版本3： 基于 name 和 namespace 的 hash 实现变量因子，版本3使用的是 md5 进行 hash 算法 。
• 版本4： 使用随机或者伪随机实现变量因子。
• 版本5： 基于 name 和 namespace 的 hash 实现变量因子，版本5使用的是 sha1 进行 hash 算法。

使用较多的是版本1和版本4，其中版本1使用当前时间戳和MAC地址信息。版本4使用(伪)随机数信息，128bit中，除去版本确定的4bit和variant确定的2bit，其它122bit全部由(伪)随机数信息确定。

因为时间戳和随机数的唯一性，版本1和版本4总是生成唯一的标识符。若希望对给定的一个字符串总是能生成相同的 UUID，使用版本3或版本5。
 

UUID的随机重复率：

Java中 UUID 使用版本4进行实现，所以由java.util.UUID类产生的 UUID，128个比特中，有122个比特是随机产生，4个比特标识版本被使用，还有2个标识变体被使用。利用生日悖论，可计算出两笔 UUID 拥有相同值的机率约为：
                                                        
其中x为 UUID 的取值范围，n为 UUID 的个数。

以下是以 x = 2¹²² 计算出n笔 UUID 后产生碰撞的机率：