分布式学习一、高并发的场景下，ID生成策略

一、高并发的场景下ID生成有哪些规则要求？

1.全局唯一
2.生成效率要高
3.趋势递增（从小到大）

二、可行性方案有哪些，各自的有点和缺点有哪些呢?

1.UUID方式生成主键

优点	缺点
1.使用简单	1. 数据库索引效率较低
2.不依赖其它主键	2. 太过于无意义，对用户来说不友好
3.不影响数据库的拓展	3. 长度36的字符串，空间占用较大
	4. 作用于集群环境，机器多的时候，重复几率较大

2.数据库自带的increment或者sequence方案生成主键
mysql使用自带的auto_increment
oracle，DB2使用sequence序列
集群环境下，不同的库，使用不同的初始值，设置固定的步长，从而达到ID的唯一性。
比方说：
XX_1这个表，我设置成以1开头的自增属性，每次自增100；那么XX_1这张表的ID就是1,101,201，301这样；
XX_2这个表，我设置成以2开头的自增属性，每次自增100；那么XX_1这张表的ID就是2,102,202，302这样
这样就在分表小于100的情况下，每个ID都会是独立的；

具体的mysql设置起点和步长方式的命令如下：
set @@auto_increment_offset = 1;//设置初始值
set @@auto_increment_increment=100;//设置步长值为100
show variables like ‘auto_inc%’;查询设置的参数

优点	缺点
1.无需编码	1.依赖前期规划，拓展麻烦（比方说我前期设置为512张库，后期万一需要扩容，很麻烦）
2.性能一般	2.依赖mysql内部维护的“自增锁”，高并发下插入数据比较麻烦，有瓶颈
3.索引友好，都是数字，效率比较高	3.在执行业务操作时，要"先父后子"。（必须先插入附表有了ID，字表才能关联到）

3.twitter雪花算法生成主键
雪花算法的实现：网上实在是太多了，大家可以看下。
当然大厂也对雪花算法实现了一些增强，包括百度，美团，大家可以看下。

优点	缺点
1.性能较优，速度较快	依赖机器的时间 ，如果发生回拨，会导致ID重复，当然大家可以对雪花算法进行一些优化
2.无需依赖第三方，实现起来也比较方便，容易
3.可控性强，可以根据自己的实际业务的情况，调整和拓展算法，方便灵活

解释：
有人会对第一条产生疑问：性能较高，速度较快。雪花算法不是带synchronized关键字了，意味着同一个时间内只有有个线程可以执行操作。效率不是有点影响吗？
其实不是，单台机器处理服务器也有一些应用极限。比方说单台机器的TPS强如redis也只是10wTPS+；但是雪花算法一秒钟理论上生成的ID的数量接近400W+;所以性能上是没有问题的。

4.基于Redis方案实现主键的自增
Redis方案如何实现呢？
Redis有个自增长计数器API,在配合一些其它的信息可以组装成为唯一ID;
主要有Redis的自增函数incr（Key）；
而且使用Redis还有个好处：Redis本身就是单线程的，自增计数API,数据有效期机制。

优点	缺点
1.拓展性强，可以方便的结合业务进行处理	1.引入Redis就意味者引入其它的第三方依赖
2.利用Redis操作原子性的特性，保证在并发的时候不会重复	2.增加多次的网络开销（因为要做主从同步）
	3.需要对Redis服务实现高可用

各自的优劣势对比

策略	优点	缺点	推荐指数
UUID	实现简单，不占用宽带	无序，占用空间，可读性差，索引不友好	1
数据库自增	无代码调整，递增	DB单点故障，扩展性差	4.5
雪花算法	性能优，不占用宽带，趋势递增	依赖服务器时间	4.5
Redis自增	无单点故障（高可用之后），性能优于DB，递增，灵活性强	占用带宽，集群维护	4.5

三、选择哪种方案比较好呢？

除了第一种方案不推荐外，其它3种情况视各自的应用场景而定。其中数据库自增我觉得已经满足大部分的应用场景；

四、淘宝，天猫的技术架构又是如何的呢？

后面再聊。

参考来源：《Java高级开发工程师》 网易云课堂