分布式 ID 完整选型 + 落地方案（生产可用，分场景直接选）
一、主流 5 种方案优缺点总览
1. UUID / UUID36
- 优点：本地生成，无 RPC、简单
- 缺点：无序、太长 36 位、数据库索引差、泄露 MAC 地址（旧版）
- 适用：简单日志、临时业务 ID，严禁做主键
2. 数据库自增主键（单库）
- 优点：连续有序、稳定、最简单
- 缺点：单点瓶颈，分库分表完全不能用
- 适用：单体小型系统
3. 数据库号段模式（Leaf、百度 UidGenerator）
原理：业务一次性批量拿一段 ID 缓存本地，用完再去 DB 申请下一号段
- 优点：有序、性能极高、稳定、可持久化、故障不重复
- 缺点：需要单独一张号段表，轻微开发量
- 适用：绝大多数企业业务、订单、财务、主业务主键（最稳妥通用选型）
4. Redis INCR / 号段
- 优点：性能爆炸，原子自增
- 缺点：宕机丢未持久化增量、依赖 Redis 集群稳定性
- 适用：高并发秒杀、临时流水号
5. Snowflake 雪花算法（Twitter）
64bit 结构：时间戳 (41)+ 机器 ID (10)+ 序列号 (12)
- 优点：全局有序、纯本地生成、不依赖第三方、64 位 long 型
- 缺点：时钟回拨致命问题、机器 ID 要手动分配维护
- 适用：高并发互联网业务、海量数据场景；必须解决时钟回拨
6. 美团 Leaf（同时支持雪花 + 号段）
企业级成熟开源框架，直接拿来用，业界落地最多。
二、明确选型决策表（直接对照业务选）
场景 1：传统 ERP/MES/ 财务 / 支付、要求绝对不重复、数据稳妥
✅ 优先：Leaf 号段模式
- 强一致性、无时钟问题、运维简单、数据库可溯源
- 分库分表天然支持
场景 2：超高并发、百万 QPS、海量流水、不在乎短暂时钟风险
✅ Snowflake（自研 / Leaf 雪花模式） 必须配套：时钟监控、回拨拒绝策略、机器 ID 注册中心
场景 3：简单临时 ID、内部埋点、非主键
✅ UUID / 简单雪花
场景 4：秒杀短时效流水号
✅ Redis 自增
三、雪花算法详细落地关键点（避坑核心）
64 位标准结构
1bit 符号位 | 41bit 毫秒时间戳 | 10bit 机器 ID | 12bit 序列号
- 机器 ID 10bit：最多 1024 台机器
- 序列号 12bit：每毫秒单节点最多 4096 个 ID
三大致命坑 & 解决方案
- 时钟回拨（最严重）
- 现象：服务器 NTP 同步回拨，生成重复 ID
- 解决：
- 本机记录上一次生成时间，当前时间 < 上次时间 → 直接抛出异常 / 自旋等待
- Leaf 雪花自带时间回拨补偿
- 禁止虚拟机时间漂移
- 机器 ID 重复
- 方案：
- 启动注册到 Zookeeper/Redis，自动分配唯一机器号
- 物理机用 IP 最后 10 位、容器用 K8s pod 固定标识
- 单机毫秒内 4096 序列号耗尽
- 自旋等到下一毫秒即可
四、号段模式落地架构（强烈推荐制造业 / 企业系统）
1. 单独号段数据表
sql
CREATE TABLE id_segment (
business_tag VARCHAR(50) PRIMARY KEY COMMENT '业务标识:order,receivable',
max_id BIGINT NOT NULL COMMENT '当前已分配最大号',
step INT NOT NULL COMMENT '每次申请步长',
update_time DATETIME
);示例初始化一条：order，max_id=10000，step=1000
2. 运行逻辑
- 服务启动拉取一段：10001~11000 缓存在内存
- 业务直接内存取号，无 DB 请求
- 内存剩余 10% 阈值，异步去 DB 抢占下一段号段（CAS 更新 max_id）
- 数据库只有简单 UPDATE：
update id_segment set max_id = max_id + step where business_tag = ?
- 原子更新，绝对不会重复
3. 优势
- DB 宕机，内存号段还能继续支撑很久
- 完全没有时钟问题，金融财务零风险
- 有序数字 ID，MySQL 主键索引性能拉满
五、开源成熟框架直接落地（不用重复造轮子）
- 美团 Leaf（首选） 两种模式自由切换：Segment 号段 + Snowflake 支持监控、号段自动扩容、雪花时钟回拨处理、RPC 接入简单
- 百度 UidGenerator：基于雪花，借助 Redis 解决机器 ID 与时钟
- 滴滴 TinyId：纯号段方案，轻量
六、Java 生产极简落地建议
- 企业内部管理系统、MES、WMS、财务单据 采用：Leaf Segment 号段
- 高并发 C 端业务、千万级订单 采用：Leaf Snowflake 模式，开启时钟回拨保护
- 禁止自己手写简易雪花，时钟回拨一定会踩坑
七、分库分表配套规则
- 雪花 ID：取 ID 取模分片
- 号段 ID：同样取模，全局连续完全兼容分片
三套完整可直接投产代码：自研号段工具类 + 安全雪花算法 + SpringBoot 接入美团 Leaf
一、自研数据库号段分布式 ID（企业 ERP/MES/ 财务最稳）
1、号段数据表
sql
CREATE TABLE `id_segment` (
`business_tag` varchar(50) NOT NULL COMMENT '业务标识：order、receivable、work_order',
`max_id` bigint NOT NULL DEFAULT 0 COMMENT '已分配最大ID',
`step` int NOT NULL DEFAULT 1000 COMMENT '每次申请号段长度',
`update_time` datetime DEFAULT CURRENT_TIMESTAMP ON UPDATE CURRENT_TIMESTAMP,
PRIMARY KEY (`business_tag`)
) ENGINE=InnoDB DEFAULT CHARSET=utf8mb4 COMMENT='分布式号段表';
-- 初始化测试数据
INSERT INTO id_segment(business_tag,max_id,step) VALUES ('order',10000,2000);2、MyBatis Mapper
java
@Mapper
public interface IdSegmentMapper {
@Update("UPDATE id_segment SET max_id = max_id + step WHERE business_tag = #{tag}")
int increaseSegment(@Param("tag") String tag);
@Select("SELECT max_id,step FROM id_segment WHERE business_tag = #{tag}")
IdSegment selectByTag(@Param("tag") String tag);
}
@Data
public class IdSegment {
private Long maxId;
private Integer step;
}3、号段生成器核心工具类
java
import org.springframework.stereotype.Component;
import javax.annotation.Resource;
import java.util.Map;
import java.util.concurrent.*;
import java.util.concurrent.atomic.AtomicLong;
@Component
public class SegmentIdGenerator {
@Resource
private IdSegmentMapper idSegmentMapper;
// 本地缓存号段
private final Map<String, SegmentBuffer> bufferMap = new ConcurrentHashMap<>();
// 异步预加载线程池
private final ExecutorService pool = Executors.newSingleThreadExecutor();
private static class SegmentBuffer {
// 当前号段起始、截止、当前取值
AtomicLong current;
long end;
int step;
volatile boolean isLoading;
}
public Long nextId(String businessTag) {
SegmentBuffer buffer = bufferMap.computeIfAbsent(businessTag, k -> initBuffer(k));
long id = buffer.current.getAndIncrement();
// 剩余10%阈值，异步拉取下一号段
if (id >= buffer.end - buffer.step * 0.1 && !buffer.isLoading) {
loadNextAsync(buffer, businessTag);
}
if (id > buffer.end) {
synchronized (buffer) {
while (id > buffer.end) {
try {
buffer.wait();
} catch (InterruptedException e) {
throw new RuntimeException("获取号段超时");
}
}
id = buffer.current.getAndIncrement();
}
}
return id;
}
private SegmentBuffer initBuffer(String tag) {
IdSegment seg = idSegmentMapper.selectByTag(tag);
SegmentBuffer buf = new SegmentBuffer();
buf.step = seg.getStep();
buf.end = seg.getMaxId();
buf.current = new AtomicLong(buf.end - buf.step + 1);
return buf;
}
private void loadNextAsync(SegmentBuffer buffer, String tag) {
if (!buffer.isLoading) {
buffer.isLoading = true;
pool.submit(() -> {
try {
// CAS原子递增
idSegmentMapper.increaseSegment(tag);
IdSegment newSeg = idSegmentMapper.selectByTag(tag);
synchronized (buffer) {
buffer.end = newSeg.getMaxId();
buffer.current.set(buffer.end - buffer.step + 1);
buffer.notifyAll();
}
} finally {
buffer.isLoading = false;
}
});
}
}
}使用
java
@Autowired
private SegmentIdGenerator segmentIdGenerator;
Long orderId = segmentIdGenerator.nextId("order");二、自带时钟回拨防护的雪花算法（可直接上线）
java
public class SafeSnowflakeIdGenerator {
// 64位划分
private static final long TIME_BIT = 41L;
private static final long WORKER_BIT = 10L;
private static final long SEQ_BIT = 12L;
private static final long MAX_WORKER_ID = (1L << WORKER_BIT) - 1;
private static final long MAX_SEQ = (1L << SEQ_BIT) - 1;
private static final long WORKER_SHIFT = SEQ_BIT;
private static final long TIME_SHIFT = SEQ_BIT + WORKER_BIT;
// 基准时间：2025-01-01
private static final long EPOCH = 1735689600000L;
private final long workerId;
private long lastTime = 0L;
private long sequence = 0L;
public SafeSnowflakeIdGenerator(long workerId) {
if (workerId < 0 || workerId > MAX_WORKER_ID) {
throw new IllegalArgumentException("机器ID超出0~1023");
}
this.workerId = workerId;
}
public synchronized long nextId() {
long now = System.currentTimeMillis();
// 时钟回拨
if (now < lastTime) {
long offset = lastTime - now;
// 回拨小于50ms自旋等待，超过直接抛异常拒绝生成
if (offset < 50) {
try {
Thread.sleep(offset);
now = System.currentTimeMillis();
} catch (InterruptedException e) {
throw new RuntimeException("时钟回拨，生成ID失败");
}
} else {
throw new RuntimeException("严重时钟回拨，禁止生成ID");
}
}
// 同一毫秒自增序列号
if (now == lastTime) {
sequence = (sequence + 1) & MAX_SEQ;
if (sequence == 0) {
// 序列号用尽，等到下一毫秒
while (now <= lastTime) {
now = System.currentTimeMillis();
}
}
} else {
sequence = 0;
}
lastTime = now;
return ((now - EPOCH) << TIME_SHIFT)
| (workerId << WORKER_SHIFT)
| sequence;
}
}机器 ID 分配方案
- 物理机：
IP最后两段取模1024 - K8s 容器：注册到 Redis/ZK 自动分配唯一 workerId
三、SpringBoot 接入美团 Leaf 完整配置（生产首选）
1、架构选择
同时部署Segment 号段做主业务 ID，Snowflake 做高并发流水 ID
2、application.yml
XML
leaf:
segment:
enable: true
url: jdbc:mysql://localhost:3306/leaf_db?useUnicode=true
username: root
password: xxx
snowflake:
enable: true
# 使用ZK自动分配workerId，杜绝重复
zk-address: 127.0.0.1:21813、依赖 Maven
XML
<dependency>
<groupId>com.sankuai.inf.leaf</groupId>
<artifactId>leaf-core</artifactId>
<version>1.0.4</version>
</dependency>4、注入使用
java
@Autowired
private SegmentIDGenImpl segmentIDGen;
@Autowired
private SnowflakeIDGenImpl snowflakeIDGen;
// 号段ID（订单、财务单据）
Long orderId = segmentIDGen.get("order").getId();
// 雪花ID（高并发流水）
Long flowId = snowflakeIDGen.get("flow").getId();四、三种方案选型极简总结
- MES/WMS/ 财务 / ERP 单据、要求绝对稳定无时钟风险 → 自研号段 / Leaf Segment
- 高并发千万级 C 端订单、海量数据 → 安全雪花 / Leaf 雪花
- 小型单体项目 → 简单雪花即可