当前位置：首页 > news >正文

分布式 ID

news 2026/7/22 23:37:58

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

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

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

@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

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

@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）

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

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: 127.0.0.1:2181

3、依赖 Maven

<dependency> <groupId>com.sankuai.inf.leaf</groupId> <artifactId>leaf-core</artifactId> <version>1.0.4</version> </dependency>

4、注入使用

@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();