一条记录往往要在多个机器、多个数据中心之间来回漂移。若没有一个可靠、全局唯一且有序的编号，业务逻辑就会像失去坐标的航船——漂泊不定、碰撞频发。

传统单库自增主键固然简洁，却在以下几种情况下捉襟见肘：

业务被水平拆分后同一个自增序列会在不同节点重复。

高并发写入导致锁竞争，吞吐量直接被数据库锁住。

外部攻击者通过观察递增规律，推算出业务规模甚至用户隐私。

一套合格的分布式 ID 必须满足：

全局唯一性：任意节点、任意时刻生成的编号dou不Neng重复。

有序性：后产生的 ID 时间戳要大于前者，以便Zuo日志归档或分页。

高可用、高性Neng：生成过程不应依赖单点服务，也不应成为系统瓶颈。

可 ：随着节点数和业务增长，仍Neng保持平滑扩容。

Zui直观的办法是在一张专门的表里放一个 BIGINT 列，每次 INSERT 时让 MySQL 自动递增，然后把返回值当作全局 ID。

优点：实现简单，依赖Yi有数据库，无需额外组件。

缺点：单库成为唯一瓶颈；宕机后整个系统失去发号功Neng；跨机房网络延迟会让吞吐量骤降。

小贴士：Ru果业务只需要偶尔跨库查询，这种方式还Neng凑合；但请务必另觅他法。

思路是让数据库一次性批量预留一段连续数字，随后由应用本地缓存这段区间，用完再去取下一段。这样既保留了 DB 的唯一性，又把每次写操作压缩到每几千条才一次。

优点：显著降低 DB 写入频率，兼顾了唯一性与性Neng。

缺点：仍需维护号段表；若某个节点崩溃未用完的区间会浪费掉；时钟回拨仍需额外防护。

# Redis INCR global:id:key

AUTO_INCREMENT 的云端兄弟——Redis 的原子递增指令，可在毫秒级完成数十万次调用。不过这也把“唯一性”这根线拴到了单点 Redis 上，一旦故障同样会导致整体停摆，需要配合哨兵或集群来提升容错Neng力。

S​nowflake 把一个 64 位整数划分成四块： + + +

举例来说Ru果我们使用 41 位时间戳、10 位机器码以及 12 位自增序列，就Ke以支撑约 69 年的时间跨度和上千台机器并发生成数千万条 ID 每秒。

核心改进： 不再直接读取系统时间，而是依据上一次成功产生的时间戳Zuo平滑递增。Ru果检测到当前时间比上一次小，则进入“时间追赶”或抛异常，让逻辑时钟永远向前走，不会因回拨产生冲突。

S​nowflake 在业界广泛落地，尤其适合对有序性要求较高且对延迟极度敏感的金融、电商等场景。

The Leaf 项目把业界成熟方案进行整合，实现了两套发号机制：

Zookeeper 模式：P​ick a workerId from ZK and let each node allocate a batch of IDs locally.

S​nowflake 改良版：P​eriodically fetch a new “segment” from MySQL and serve IDs from memory.

这些方案dou避免了“每次请求dou去中心库”的瓶颈，同时在出现时钟倒退时仍保持逻辑顺序——即便机器时间被调回，也不会重新产生Yi经使用过的编号。

D​B‑UID 使用「时间追赶」技术：当检测到当前毫秒小于上一次记录时线程会短暂 Sleep 等待，直至系统时间恢复正常。这种方式简单粗暴，却在绝大多数业务中足够稳妥，因为真正的大幅回拨极少出现。

C​lassic UUID Neng保证全球唯一，但它们本身不可排序，而且在 MySQL/Redis 中存储成本相对较高。ULID 则兼具可排序特性，用 Base32 编码后geng易阅读。适用于需要「不可预测」而非「严格递增」的场景，如安全 token、外部公开链接等。

Ru果业务主要关注"不被猜测"，倾向使用 UUID/ULID 或 HMAC+截断 的伪随机方式； 
 
 
 
 
 
 
 
 


Ru果需要"强顺序"，则首选 Snowflake 系列或其衍生实现，例如美团 Leaf；

若Yi有可靠 MySQL 集群且写入压力不大，可直接采用号段模式Zuo轻量化升级。

对实时性要求极致，建议使用内存缓存 + 本地递增，再配合后台同步落库防止丢失。

Caution:不要把「隐藏 ID」当作安全手段——真正的数据访问控制应该靠鉴权与 RBAC，而不是靠难以猜测的数字。

常见处理手法包括：

**逻辑时钟**：记录上一次成功生成 ID 的时间戳，即使系统时钟倒退也继续使用前一个值加一；

**双机房双 WorkerId**：同一台机器准备两个 WorkerId，一旦发现回拨立即切换到备用 ID 段，从而避免冲突；

**阻塞等待**：当检测到当前毫秒小于上一次记录时让线程 Sleep 到合法时间再继续。。

**异常抛出**：直接告警并让上层业务兜底，这种方式Zui保险，但会导致短暂不可用，需要配合熔断降级。

将 **WorkerId** 分配交给 Zookeeper/Etcd 等一致性服务管理，使得节点上下线自动重新计算编号空间；

对 **Snowflake** 节点采用无状态实现，只要机器Neng访问统一配置中心，即可快速弹性伸缩；

若使用 **Redis** 作计数器，请开启主从复制 + 哨兵或集群模式，并监控 replication lag 防止“双写”。

对于 **Leaf** 与 **UidGenerator** 等批量预取模式，在数据库层面启用读写分离，将写请求集中到主库，而读请求走只读实例，以减轻热点压力。

从Zui朴素的一行自增，到拥有全局视角与容错机制的大型 Snowflake 系统，分布式 ID 的演进其实是一部「从孤岛走向云端」的历史。Ru果你正站在选型十字路口，请先梳理自己到底是想要「安全隐蔽」还是「高速有序」，再结合团队Yi有技术栈和运维成熟度Zuo决定——盲目追求「Zui强」往往会带来维护成本爆炸，而恰到好处才是真正赢得未来竞争力的关键。

Ru果本文帮你打开了思路，请不要吝啬点赞👍、收藏📁和关注🔔哦！每一次互动dou是我继续写出geng好内容的小动力～ 🎉