在开发java项目的时候，该如何设置mysql的主键才能在大环境下不被淘汰并且实现高可用

本文所参考的文献全在文末，下面开始正文：
下面着重介绍用几种常用的方法来生成全局id，以及每种方法的利弊

分析：
简单分析一下需求 [1]
所谓全局唯一的 id 其实往往对应是生成唯一记录标识的业务需求。

这个 id 常常是数据库的主键，数据库上会建立聚集索引（cluster index），即在物理存储上以这个字段排序。这个记录标识上的查询，往往又有分页或者排序的业务需求。所以往往要有一个time字段，并且在time字段上建立普通索引（non-cluster index）。普通索引存储的是实际记录的指针，其访问效率会比聚集索引慢，如果记录标识在生成时能够基本按照时间有序，则可以省去这个time字段的索引查询。

这就引出了记录标识生成的两大核心需求：

• [1] 全局唯一
• [2] 趋势有序

第一种：用数据库的 auto_increment 来生成

优点：
此方法使用数据库原有的功能，所以相对简单
能够保证唯一性
能够保证递增性
id 之间的步长是固定且可自定义的

缺点：
可用性难以保证：数据库常见架构是 一主多从 + 读写分离，生成自增ID是写请求 主库挂了就玩不转了
扩展性差，性能有上限：因为写入是单点，数据库主库的写性能决定ID的生成性能上限，并且 难以扩展

方法改良
如上图所述，由1个写库变成3个写库，每个写库设置不同的 auto_increment 初始值，以及相同的增长步长，以保证每个数据库生成的ID是不同的（上图中DB 01生成0,3,6,9…，DB 02生成1,4,7,10，DB 03生成2,5,8,11…）
改进后的架构保证了可用性，但缺点是丧失了ID生成的“绝对递增性”：先访问DB 01生成0,3，再访问DB 02生成1，可能导致在非常短的时间内，ID生成不是绝对递增的（这个问题不大，目标是趋势递增，不是绝对递增数据库的写压力依然很大，每次生成ID都要访问数据库
为了解决这些问题，引出了以下方法：

第二种：单点批量ID生成服务

分布式系统之所以难，很重要的原因之一是“没有一个全局时钟，难以保证绝对的时序”，要想保证绝对的时序，还是只能使用单点服务，用本地时钟保证“绝对时序”。
数据库写压力大，是因为每次生成ID都访问了数据库，可以使用批量的方式降低数据库写压力。

如上图所述，数据库使用双master保证可用性，数据库中只存储当前ID的最大值，例如4。

ID生成服务假设每次批量拉取5个ID，服务访问数据库，将当前ID的最大值修改为4，这样应用访问ID生成服务索要ID，ID生成服务不需要每次访问数据库，就能依次派发0,1,2,3,4这些ID了。

当ID发完后，再将ID的最大值修改为11，就能再次派发6,7,8,9,10,11这些ID了，于是数据库的压力就降低到原来的1/6。

优点：

保证了ID生成的绝对递增有序
大大的降低了数据库的压力，ID生成可以做到每秒生成几万几十万个
缺点：
服务仍然是单点
如果服务挂了，服务重启起来之后，继续生成ID可能会不连续，中间出现空洞（服务内存是保存着0,1,2,3,4，数据库中max-id是4，分配到3时，服务重启了，下次会从5开始分配，3和4就成了空洞，不过这个问题也不大）
虽然每秒可以生成几万几十万个ID，但毕竟还是有性能上限，无法进行水平扩展

改进方案

单点服务的常用高可用优化方案是“备用服务”，也叫“影子服务”，所以我们能用以下方法优化上述缺点：

如上图，对外提供的服务是主服务，有一个影子服务时刻处于备用状态，当主服务挂了的时候影子服务顶上。这个切换的过程对调用方是透明的，可以自动完成，常用的技术是 vip+keepalived。另外，id generate service 也可以进行水平扩展，以解决上述缺点，但会引发一致性问题。

第三种：UUID

UUID其实在java开发的过程中还是用的比较多的，但是现在基于分布式的时代，它的缺点也显而易见已经被下面的一种方法替代了，但是在日常的小型项目中还是可以用到的。
uuid是一种常见的本地生成ID的方法。

UUID uuid = UUID.randomUUID();

这篇文章是生成UUID的一个方法，可以参考一下

优点：

本地生成ID，不需要进行远程调用，时延低
扩展性好，基本可以认为没有性能上限

缺点：

无法保证趋势递增
uuid过长，往往用字符串表示，作为主键建立索引查询效率低，常见优化方案为“转化为两个uint64整数存储”或者“折半存储”（折半后不能保证唯一性）

下面是2中UUID生成方法，真实项目中，一般用第一种方法：

import java.util.UUID;

/**
 * Created by Ay on 2016/4/18.
 */
public class JavaUUIDTest {

    public static void main(String[] args) {

        //未加工的UUID
        String preUuid = UUID.randomUUID().toString();
        System.out.println(preUuid);

        //第一种方法生成UUID，去掉“-”符号
        System.out.println(UUID.randomUUID().toString().replace("-", ""));

        //未加工的UUID
        String preUuid2 = UUID.randomUUID().toString();
        System.out.println(preUuid2);
        //第二种生成UUID的方法，去掉“-”符号
        String changUuid = preUuid2.substring(0,8)+preUuid2.substring(9,13)+preUuid2.substring(14,18)+preUuid2.substring(19,23)+preUuid2.substring(24);

        System.out.println(changUuid);
    }
}

第四种：取当前毫秒数

uuid是一个本地算法，生成性能高，但无法保证趋势递增，且作为字符串ID检索效率低，有没有一种能保证递增的本地算法呢？- 取当前毫秒数是一种常见方案。
优点：
本地生成ID，不需要进行远程调用，时延低
生成的ID趋势递增
生成的ID是整数，建立索引后查询效率高
缺点：
如果并发量超过1000，会生成重复的ID
这个缺点要了命了，不能保证ID的唯一性。当然，使用微秒可以降低冲突概率，但每秒最多只能生成1000000个ID，再多的话就一定会冲突了，所以使用微秒并不从根本上解决问题。

**

第五种：使用 Redis 来生成 id

**
当使用数据库来生成ID性能不够要求的时候，我们可以尝试使用Redis来生成ID。这主要依赖于Redis是单线程的，所以也可以用生成全局唯一的ID。可以用Redis的原子操作 INCR 和 INCRBY 来实现。

优点：

依赖于数据库，灵活方便，且性能优于数据库。
数字ID天然排序，对分页或者需要排序的结果很有帮助。
缺点：
如果系统中没有Redis，还需要引入新的组件，增加系统复杂度。
需要编码和配置的工作量比较大。

**

第六种：雪花算法— Snowflake 算法

**

这种方法是 twitter 开源的分布式ID生成算法，其核心思想为，一个long型的ID：
41 bit 作为毫秒数 - 41位的长度可以使用69年
10 bit 作为机器编号 （5个bit是数据中心，5个bit的机器ID） - 10位的长度最多支持部署1024个节点
12 bit 作为毫秒内序列号 - 12位的计数顺序号支持每个节点每毫秒产生4096个ID序号

看下图：
算法单机每秒内理论上最多可以生成1000*(2^12)，也就是400W的ID，完全能满足业务的需求。

下面是一些对雪花算法比较详细的剖析，看完就知道这个算法设计的有多好，学海无涯乐作舟，请耐心看完！

Java系列之雪花算法和原理

雪花算法SnowFlake全方位详细解读，结合位运算的使用解读

雪花算法与UUID的对比：

分布式ID生成方案–雪花算法和UUID对比

参考文献如下：
生成UUID：https://blog.youkuaiyun.com/weixin_33721344/article/details/85746191?spm=1001.2101.3001.6650.1&utm_medium=distribute.pc_relevant.none-task-blog-2%7Edefault%7ECTRLIST%7Edefault-1-85746191-blog-51184535.pc_relevant_aa&depth_1-utm_source=distribute.pc_relevant.none-task-blog-2%7Edefault%7ECTRLIST%7Edefault-1-85746191-blog-51184535.pc_relevant_aa&utm_relevant_index=2

常见分布式全局唯一ID生成策略及算法的对比