雪花算法

1. ID 结构（64 位）

雪花算法生成的 ID 是一个 64 位的长整型数字，由以下三部分组成：

组成部分	位数	说明
时间戳	41 位	记录生成 ID 的时间（毫秒级），可用约 69 年（从 1970 年算起）。
机器 ID	10 位	支持最多 1024 台机器（如 5 位数据中心 ID + 5 位机器 ID）。
序列号	12 位	同一机器同一毫秒内的自增序号，每毫秒最多生成 4096 个 ID。

---

2. 核心优势

• 唯一性：通过时间戳 + 机器 ID + 序列号组合保证全局唯一。
• 有序性：ID 按时间戳递增，适合作为数据库主键（如 MySQL InnoDB 的 B+树索引）。
• 高性能：本地生成，无网络或数据库调用，每秒可生成百万级 ID。
• 轻量级：无需依赖 Redis、ZooKeeper 等外部服务。

---

3. 典型应用场景

• 分布式系统主键（如订单 ID、用户 ID）。
• 数据库分库分表时的全局唯一标识。
• 日志追踪、消息队列等需要有序唯一 ID 的场景。

---

4. 实现伪代码逻辑

class Snowflake:
    def __init__(self, machine_id):
        self.machine_id = machine_id  # 机器 ID
        self.sequence = 0             # 序列号
        self.last_timestamp = 0       # 上次生成时间戳

    def generate_id(self):
        current_timestamp = self.get_current_timestamp()
        
        if current_timestamp < self.last_timestamp:
            raise Exception("时钟回拨！")
        
        if current_timestamp == self.last_timestamp:
            self.sequence += 1
            if self.sequence >= 4096:  # 序列号溢出，等待下一毫秒
                current_timestamp = self.wait_next_millis()
                self.sequence = 0
        else:
            self.sequence = 0
        
        self.last_timestamp = current_timestamp
        
        # 组合生成 ID
        return (current_timestamp << 22) | (self.machine_id << 12) | self.sequence

---

5. 注意事项

• 时钟回拨问题：若机器时钟发生回拨（如人工调整时间），可能导致 ID 重复。
  解决方案：
  • 记录最近一次时间戳，检测到回拨时抛出异常或等待时钟同步。
  • 使用扩展算法（如美团的 Leaf、百度的 UidGenerator）优化时钟容错。
• 机器 ID 管理：需确保不同机器的 ID 不重复（可通过配置中心或数据库分配）。

---

6. 与其他算法的对比

算法	优点	缺点
雪花算法	高性能、有序、无中心化	依赖系统时钟，需处理时钟回拨
UUID	简单、无冲突风险	无序、存储空间大（128 位）
数据库自增 ID	绝对有序、简单	性能低、扩展性差（分库分表时需改造）
Redis 自增	高性能	依赖 Redis、单点故障风险

---

总结

雪花算法是分布式系统中生成唯一 ID 的高效方案，适用于高并发、需要有序 ID 的场景。实际使用时需结合业务需求优化时钟回拨处理和机器 ID 分配机制。