背景：如果分库分表场景下，id不唯一，就不能通过主键索引来查询了。
1、独立数据库自增id
这个方案就是说你的系统每次要生成一个 id，都是往一个独立库的一个独立表里插入一条没什 么业务含义的数据，然后获取一个数据库自增的一个 id。拿到这个 id 之后再往对应的分库分表 里去写入。 假如说你有一个 auto_id 库里有一个叫做 auto_id的 表，有一个 id 是自增的。 那么你每次要获取一个全局唯一 id，直接往这个表里插入一条记录，获取一个全局唯一 id 即 可，然后这个全局唯一 id 就可以插入订单的分库分表中。 这个方案的好处就是方便简单，谁都会用。缺点就是单库生成自增 id，要是搞并发的话，就会 有瓶颈的，因为 auto_id 库要是承载个每秒几万并发，肯定是不现实的了。
2、UUID
用UUID 生成一个全局唯一的 id。
好处就是每个系统本地生成，不要基于数据库来了
不好之处就是，uuid 太长了（32位），作为主键性能太差了，不适合用于主键。 如果你是要随机生成个什么文件名了，编号之类的，你可以用 uuid，但是作为主键是不能用 uuid 的。
3、获取系统当前时间
这个方案的意思就是获取当前时间作为全局唯一的 id。 但是问题是，并发很高的时候，比如1秒并发几千，会有重复的情况，这个是肯定不合适的。 一般如果使用这个方案，是将当前时间跟很多其他的业务字段拼接起来，作为一个 id，如果业务 上可以接受，那么也是可以的。 可以将别的业务字段值跟当前时间拼接起来，组成一个全局唯一的编号，比如说订单编号： 时间戳 + 用户 id + 业务含义编码；或者 时间戳+6个随机数（26个英文字母+数字）
同时，表索引可以添加唯一索引。
4、snowflake 算法
snowflake 算法，是 twitter 开源的分布式 id 生成算法
其核心思想就是：使用一个 64 bit 的 long 型的数字作为全局唯一 id，这 64 个 bit 中，其中 1 个 bit 是不用的，然后用其中的 41 bit 作为毫秒数，用10 bit 作为工作机器 id，12 bit 作为序列 号。
第一部分，是 1 个 bit：0，这个是无意义的(因为二进制里第一个 bit 为如果是 1，那么都是负数，但是我们生成的 id 都是正数，所 以第一个 bit 统一都是 0)
第二个部分是 41 个 bit：表示的是时间戳，单位是毫秒（41 bit 可以表示的数字多达 2^41 - 1，也就是可以标识 2 ^ 41 - 1 个毫秒值，换算成年就 是表示 69 年的时间。）
第三个部分是 5 个 bit：表示的是机房 id，10001 （最多代表2 ^ 5个机房（32 个机房））
第四个部分是 5 个 bit：表示的是机器 id，1 1001 （每个机房⾥可以代表2 ^ 5个机器（32台机器））
第五个部分是 12 个 bit：表示的序号，就是某个机房某台机器上这一毫秒内同时生成的 id 的序号，0000 00000000（12 bit可以代表的最大正整数是2 ^ 12 - 1 = 4096，也就是说可以用这个12bit代表的数字 来区分同1个毫秒内的4096个不同的id）
简单来说，你的某个服务假设要生成1个全局唯一id，那么就可以发送1个请求给部署了 snowflake算法的系统，由这个snowflake算法系统来生成唯一id。
snowflake算法系统接收到这个请求之后，首先就会用二进制位运算的方式生成1个64 bit 的long型id，64个bit中的第1个bit是无意义的。 接着41个bit，就可以用当前时间戳（单位到毫秒），然后接着5个bit设置上这个机房id，还有5 个bit设置上机器id。 最后再判断一下，当前这台机房的这台机器上这1毫秒内，这是第几个请求，给这次生成id的 请求累加一个序号，作为最后的12个bit。 最终一个64个bit的id就出来了，类似于上图中那样。
这个算法可以保证说，一个机房的一台机器上，在同一毫秒内，生成了一个唯一的 id。可能一 个毫秒内会生成多个 id，但是有最后 12 个 bit 的序号来区分开来。总之就是用一个 64bit 的数字中各个 bit 位来设置不同的标志位，区分每一个 id。
算法实现如下
public class IdWorker {
private long workerId; // 这个就是代表了机器id
private long datacenterId; // 这个就是代表了机房id
private long sequence; // 这个就是代表了1毫秒内生成的多个id的最新序号
public IdWorker(long workerId, long datacenterId, long sequence) {
// 要求就是你传递进来的机房id和机器id不能超过32，不能小于于0
if (workerId > maxWorkerId || workerId < 0) {
throw new IllegalArgumentException( String.format("worker Id can't be greater than %d or less t "))
}
if (datacenterId > maxDatacenterId || datacenterId < 0) {
throw new IllegalArgumentException( String.format("datacenter Id can't be greater than %d or le "))
}
this.workerId = workerId;
this.datacenterId = datacenterId;
this.sequence = sequence;
}
private long twepoch = 1288834974657L;
private long workerIdBits = 5L;
private long datacenterIdBits = 5L;
// 这个是二进制运算，就是5 bit最多只能有31个数字，也就是说机器id最多只能是32以内
private long maxWorkerId = -1L ^ (-1L << workerIdBits);
// 这个是一个意思，就是5 bit最多只能有31个数字，机房id最多只能是32以内
private long maxDatacenterId = -1L ^ (-1L << datacenterIdBits);
private long sequenceBits = 12L;
private long workerIdShift = sequenceBits;
private long datacenterIdShift = sequenceBits + workerIdBits;
private long timestampLeftShift = sequenceBits + workerIdBits + datacen
private long sequenceMask = -1L ^ (-1L << sequenceBits);
private long lastTimestamp = -1L;
public long getWorkerId(){
return workerId;
}
public long getDatacenterId() {
return datacenterId;
}
public long getTimestamp() {
return System.currentTimeMillis();
}
// 这个是核心算法，通过调调nextId()方法，让当前这台机器上的snowflake算法程序生成1一个id
public synchronized long nextId() {
// 获取当前时间戳，单位是毫秒
long timestamp = timeGen();
if (timestamp < lastTimestamp) {
System.err.printf( "clock is moving backwards. Rejecting requests until %d.", throw new RuntimeException( String.format("Clock moved backwards. Refusing to generate lastTimestamp - timestamp))"));
}
// 假设在同1个毫秒内又发送了一个请求生成1个id
// 这个时候就得把seqence序号给递增1，最多就是4096
if (lastTimestamp == timestamp) {
// 这个意思是说1个毫秒内最多只能有4096个数字，无论你传递多少进来，
//这个位运算保证始终就是在4096这个范围内，避免传递的sequence超过了4096
sequence = (sequence + 1) & sequenceMask;
if (sequence == 0) {
timestamp = tilNextMillis(lastTimestamp);
}
} else {
sequence = 0;
}
// 记录最近1次生成id的时间戳，单位是毫秒
lastTimestamp = timestamp;
// 最核心的二进制位运算操作，生成1个64bit的id
// 先将当前时间戳左移，放到41 bit那；将机房id左移放到5 bit那；将机器id左移
// 最后拼接起来成一个64 bit的二进制数字，转换成10进制就是个long型
return ((timestamp - twepoch) << timestampLeftShift) | (datacenterId << datacenterIdShift) | (workerId << workerIdShift) | sequence;
}
private long tilNextMillis(long lastTimestamp) {
long timestamp = timeGen();
while (timestamp <= lastTimestamp) {
timestamp = timeGen();
}return timestamp;
}
private long timeGen(){
return System.currentTimeMillis();
}
//---------------测试---------------
public static void main(String[] args) {
IdWorker worker = new IdWorker(1,1,1);
for (int i = 0; i < 30; i++) {
System.out.println(worker.nextId());
}
}
}
在实际的开发中，这个 snowflake 算法可以做小点点改进。 我们在生成唯一 id 的时候，肯定都需要指定一个表名，比如说订单表 的唯一 id。 所以上面那 64 个 bit 中，代表机房的那 5 个 bit，可以使用业务表名称来替代，比如 00001 代表的是订单表。 因为其实很多时候，机房并没有那么多，所以那 5 个 bit 做做机房 id 意义不是太大。 这样就可以做到，snowflake 算法系统的每1台机器，对一个业务表，在某1毫秒内，可生成
1个唯1的 id，1毫秒内生成很多 id，用最后 12 个 bit 来区分序号对待。
