什么是分布式ID
分布式ID是指在分布式系统中生成的特定范围内唯一的标识符，如订单号、商品ID、链路追踪TraceID。
随着业务发展，对分布式ID的要求越来越高，其中最基本的要求如下
- 全局唯一：在任何节点、任何时间生成的ID都必须是唯一的；
- 高性能：分布式ID的生成速度要快，对本地资源消耗小；
- 高可用：生成分布式ID的服务要保证可用性接近于100%；
- 方便易用：拿来即用，方便业务快速接入。
有哪些技术实现
1、数据库自增ID
原理 ：基于数据库的auto_increment实现ID自增；
优点
- 实现简单；
- ID单调自增。
缺点
- 性能较差，不适合高并发场景。
适用场景
- 小型分布式系统；
- 要求ID连续自增。
2、Redis自增
原理 ：利用Redis的INCR命令生成自增ID。
优点：
- 简单高效，适合小规模分布式系统。
缺点：
- 依赖Redis，存在单点风险（可通过Redis集群缓解）。
- 扩展性有限。
适用场景：对性能要求高且规模较小的场景（如分布式锁的唯一标识）
3、UUID
原理 ：UUID，即通用识别码，是基于时间戳、MAC地址、随机数等生成128位的字符串（如550e8400-e29b-41d4-a716-446655440000）。
优点：
- 简单易用，无需协调；
- 唯一性极高。
缺点：
- 无序，导致数据库索引效率低；
- 长度较长（16字节），存储和传输开销大。
适用场景：对唯一性要求高，但对有序性和性能要求不高的场景（如临时文件命名）。
4、号段模式
**原理：**预先分配一组连续的号段（如10000～20000）给某个节点，节点预先拉取，在分配ID时 优先判断本地号段是否消耗完，如果消耗完的话，再从数据库中获取下一个号段。
优点
- 网络开销大幅减少；
- 无需处理时钟回拨、机器ID冲突等问题；
- 生成的ID是连续的，适合数据库索引优化。
缺点
- ID可能不连续；
- 步长设置过短的话，可能会导致频繁请求数据库获取新号段，造成服务器压力。
适用场景
- 高并发场景，如秒杀系统。
5、雪花算法
原理：由Twitter提出，将64位ID分为以下部分：
- 1位符号位（始终为0）。
- 41位时间戳（毫秒级，可用约69年）。
- 10位工作机器ID（5位数据中心ID + 5位机器ID）。
- 12位序列号（每毫秒可生成4096个ID）。
需要注意的是，这里的工作中心ID需要预先分配，作用是区分不同的服务节点。
优点
- 高性能（本地生成，无需网络请求）。
- 趋势递增，适合数据库索引。
- 可扩展性强（通过调整机器ID位数）。
缺点
- 依赖系统时钟，时钟回拨可能导致ID重复。
- 机器ID需要预先分配（可通过配置或ZooKeeper动态分配）。
适用场景：大多数分布式系统（如订单ID、日志ID等）。
6、TinyID
**原理：**基于号段模式实现，不过支持多数据库模式，实现方式是一个主节点只生成偶数、另一个生成奇数；
优点
- 适用于大多数分布式系统；
- 多数据库支持：提高系统的可用性。
缺点
- ID可能不连续；