## 38｜Python 分布式 ID 与雪花算法：高并发订单号设计
38｜Python 分布式 ID 与雪花算法：高并发订单号设计
文章目录
专栏定位：Python 工程化进阶（第38章）
适读人群：后端工程师、高并发交易与分布式系统同学
摘要
自增数据库主键简单，但在分库分表、暴露业务量、合并数据时问题多。雪花算法（Snowflake）类 ID 将时间戳、机器号、序列号编码为 64 位整数，趋势递增、可按时间粗略排序，适合订单号、消息 ID。本章讲清时钟回拨、workerId 分配、序列溢出与 Python 实现要点，并对比 UUID、数据库号段、Redis 自增等方案的取舍。
目录
业务对 ID 的要求Snowflake 位域划分时钟回拨与容灾Python 实现骨架架构权衡表、实验、7天指标双案例复盘术语与面试题版权声明
业务对 ID 的要求
全局唯一、趋势有序（可选）、可读性低（防猜测）、生成 QPS 高、无单点（或单点可切换）。
Snowflake 位域划分（经典 41+5+5+12）
时间戳毫秒数据中心 + 机器毫秒内序列
具体位数可按业务调整，但必须文档化并在全集群一致。
时钟回拨与容灾
NTP 同步可能导致时钟回拨。策略：检测回拨则短暂等待、或借用「最大漂移容忍」、或使用外部租约分配 workerId。生产必须监控时钟偏移。
Python 实现骨架
import time
import threading
class Snowflake:
definit(self, datacenter_id: int, worker_id: int):
self.datacenter_id = datacenter_id & 0x1F
self.worker_id = worker_id & 0x1F
self.sequence = 0
self.last_ts = -1
self.lock = threading.Lock()
def _now_ms(self) -> int: return int(time.time() * 1000) def next_id(self) -> int: with self.lock: ts = self._now_ms() if ts < self.last_ts: raise RuntimeError("clock moved backwards") if ts == self.last_ts: self.sequence = (self.sequence + 1) & 0xFFF if self.sequence == 0: while self._now_ms() <= self.last_ts: time.sleep(0.0005) ts = self._now_ms() else: self.sequence = 0 self.last_ts = ts return ((ts - 1288834974657) << 22) | (self.datacenter_id << 17) | (self.worker_id << 12) | self.sequenceepo