每日一Go-55、分布式 ID 生成（雪花算法 / Segment / Redis / DB）
一、为什么分布式系统一定要“自己造ID”？
单机时代，利用数据库的自增`ID`AUTO_INCREMENT但是在微服务/多实例/分库分表的情况下，会出现：
ID冲突
数据迁移困难
顺序失控
跨库无法唯一定位
二、分布式ID的核心指标
一个靠谱的ID方案，至少要满足：
三、主流4种方案总览
四、方案1：DB自增
INSERT INTOtVALUES();SELECTLAST_INSERT_ID();这是所有分布式系统大忌，不推荐。
五、方案2：Redis INCR
// Redis 命令 INCRorder:id // Go调用 id,_:=rdb.Incr(ctx,"order:id").Result()优点：实现简单；严格递增。
缺点：Redis单点；网络开销；QPS上限。
适合低并发系统/管理后台
六、方案3：Segment号段（美团/京东订单号）
思路：
DB中维护一个号段
一次取一段（例如：1000个）
本地内存自增
表结构：
CREATETABLEid_segment(biz_tagVARCHAR(64)PRIMARYKEY,max_idBIGINT,stepINT);typeSegmentstruct{curint64maxint64}func(s*Segment)Next()int64{ifs.cur>=s.max{s.reload()}s.cur++returns.cur}优点：严格递增；ID短
缺点：依赖DB；实现复杂；冷启动慢。
适合订单号、流水号
七、方案4：雪花算法（Snowflake）
1. ID结构
0 | 41bit 时间戳 | 10bit 机器ID | 12bit 序列号时间戳：毫秒
机器ID：数据中心+worker
序列号：同毫秒并发
趋势递增、完全本地生成、无依赖
2. go 代码实现
packagesnowflakeimport("errors""strconv""sync""time")// 常量定义const(workerBits=10// 工作节点位数seqBits=12// 序列号位数workerMax=-1^(-1<<workerBits)// 工作节点最大IDseqMask=-1^(-1<<seqBits)// 序列号掩码timeShift=workerBits+seqBits// 时间戳左移位数workerShift=seqBits// 工作节点左移位数defaultEpoch=int64(1672531200000)// 默认起始时间戳 (2023-01-01))// ID 自定义类型，用于区分雪花ID和普通int64typeIDint64// Snowflake 雪花算法生成器typeSnowflakestruct{mu sync.Mutex lastTimeint64workerIDint64sequenceint64epochint64}// New 创建雪花算法生成器// workerID: 工作节点ID，范围 0~1023// 返回错误如果workerID超出范围funcNew(workerIDint64)(*Snowflake,error){returnNewWithEpoch(workerID,defaultEpoch)}// NewWithEpoch 创建带自定义起始时间的雪花算法生成器// workerID: 工作节点ID，范围 0~1023// epoch: 自定义起始时间戳（毫秒）// 返回错误如果workerID超出范围funcNewWithEpoch(workerIDint64,epochint64)(*Snowflake,error){ifworkerID<0||workerID>workerMax{returnnil,errors.New("worker ID out of range [0, 1023]")}return&Snowflake{workerID:workerID,epoch:epoch,},nil}// NextID 生成下一个雪花ID// 返回ID类型的雪花ID和可能的错误func(s*Snowflake)NextID()(ID,error){s.mu.Lock()defers.mu.Unlock()now:=time.Now().UnixMilli()// 处理时间回拨ifnow<s.lastTime{return0,errors.New("time is back, ID generation failed")}ifnow==s.lastTime{// 同一毫秒内，递增序列号s.sequence=(s.sequence+1)&seqMask// 序列号耗尽，等待下一个毫秒ifs.sequence==0{// 使用短暂休眠代替自旋等待，减少CPU占用time.Sleep(time.Millisecond)now=time.Now().UnixMilli()// 处理时间回拨（再次检查）ifnow<s.lastTime{return0,errors.New("time is back, ID generation failed")}s.lastTime=now s.sequence=0}}else{// 新的毫秒，重置序列号s.lastTime=now s.sequence=0}// 生成IDid:=((now-s.epoch)<<timeShift)|(s.workerID<<workerShift)|s.sequencereturnID(id),nil}// ParseID 解析雪花ID// 返回ID的各组成部分：时间戳、工作节点ID、序列号funcParseID(id ID,epochint64)(time.Time,int64,int64){idInt:=int64(id)timestamp:=(idInt>>timeShift)+epoch workerID:=(idInt>>workerShift)&((1<<workerBits)-1)sequence:=idInt&seqMaskreturntime.UnixMilli(timestamp),workerID,sequence}// String 将ID转换为字符串func(id ID)String()string{returnstrconv.FormatInt(int64(id),10)}// Int64 将ID转换为int64func(id ID)Int64()int64{returnint64(id)}//如何使用sf:=snowflake.New(1)id:=sf.NextID()3. 雪花算法工程注意点：
时间回拨问题
NTP同步导致时间倒退
解决方案：
禁止自动回拨
检测回拨直接panic/等待
使用逻辑时间
八、如何选？
友情链接:加班费计算器(vx小程序搜索“加班计”)
*源码地址*
私给
如果您喜欢这篇文章，请您（点赞、分享、亮爱心），万分感谢！