自增ID算法snowflake
使用uuid或者guid产生的id没有规则
snowflake算法是twitter的工程师为实现递增而不重复的id实现的
概述
分布式系统中，有一些需要使用全局唯一id的场景，这种时候为了防止id冲突可以使用36位的uuid，但是uuid有一些缺点，首先他相对比较长，另外uuid一般是无序的。有些时候我们希望能使用一种简单一些的id，并且希望id能够按照时间有序生成。而twitter的snowflake解决了这种需求，最初twitter把存储系统从mysql迁移到cassandra，因为cassandra没有顺序id生成机制，所以开发了这样一套全局唯一id生成服务。
该项目地址为：是用scala实现的。
python版详见开源项目。
结构
snowflake的结构如下(每部分用-分开):
0 - 0000000000 0000000000 0000000000 0000000000 0 - 00000 - 00000 - 000000000000
第一位为未使用，接下来的41位为毫秒级时间(41位的长度可以使用69年)，然后是5位datacenterid和5位workerid(10位的长度最多支持部署1024个节点） ，最后12位是毫秒内的计数（12位的计数顺序号支持每个节点每毫秒产生4096个id序号）
一共加起来刚好64位，为一个long型。(转换成字符串长度为18)
snowflake生成的id整体上按照时间自增排序，并且整个分布式系统内不会产生id碰撞（由datacenter和workerid作区分），并且效率较高。据说：snowflake每秒能够产生26万个id。
从图上看除了第一位不可用之外其它三组均可浮动站位，据说前41位就可以支撑到2082年，10位的可支持1023台机器，最后12位序列号可以在1毫秒内产生4095个自增的id。
在多线程中使用要加锁。
看懂代码前 先来点计算机常识：<<左移 假如1<<2 ：1左移2位=1*2^2=4（这里^是多少次方的意思，和下面的不同，哈别混淆。）
^异或 ：true^true=false false^false=false true^false=true false^true=true 例子： 1001^0001=1000
负数的二进制：
第二步:各位取反,0变1,1变0
第三步:最后面加1
好了废话不多说 直接代码：
1 public class idworker
2 {
3 //机器id
4 private static long workerid;
5 private static long twepoch = 687888001020l; //唯一时间，这是一个避免重复的随机量，自行设定不要大于当前时间戳
6 private static long sequence = 0l;
7 private static int workeridbits = 4; //机器码字节数。4个字节用来保存机器码(定义为long类型会出现，最大偏移64位，所以左移64位没有意义)
8 public static long maxworkerid = -1l ^ -1l << workeridbits; //最大机器id
9 private static int sequencebits = 10; //计数器字节数，10个字节用来保存计数码
10 private static int workeridshift = sequencebits; //机器码数据左移位数，就是后面计数器占用的位数
11 private static int timestampleftshift = sequencebits + workeridbits; //时间戳左移动位数就是机器码和计数器总字节数
12 public static long sequencemask = -1l ^ -1l << sequencebits; //一微秒内可以产生计数，如果达到该值则等到下一微秒在进行生成
13 private long lasttimestamp = -1l;
14
15 /// <summary>
16 /// 机器码
17 /// </summary>
18 /// <param name="workerid"></param>
19 public idworker(long workerid)
20 {
21 if (workerid > maxworkerid || workerid < 0)
22 throw new exception(string.format("worker id can't be greater than {0} or less than 0 ", workerid));
23 idworker.workerid = workerid;
24 }
25
26 public long nextid()
27 {
28 lock (this)
29 {
30 long timestamp = timegen();
31 if (this.lasttimestamp == timestamp)
32 { //同一微秒中生成id
33 idworker.sequence = (idworker.sequence + 1) & idworker.sequencemask; //用&运算计算该微秒内产生的计数是否已经到达上限
34 if (idworker.sequence == 0)
35 {
36 //一微秒内产生的id计数已达上限，等待下一微秒
37 timestamp = tillnextmillis(this.lasttimestamp);
38 }
39 }
40 else
41 { //不同微秒生成id
42 idworker.sequence = 0; //计数清0
43 }
44 if (timestamp < lasttimestamp)
45 { //如果当前时间戳比上一次生成id时时间戳还小，抛出异常，因为不能保证现在生成的id之前没有生成过
46 throw new exception(string.format("clock moved backwards. refusing to generate id for {0} milliseconds",
47 this.lasttimestamp - timestamp));
48 }
49 this.lasttimestamp = timestamp; //把当前时间戳保存为最后生成id的时间戳
50 long nextid = (timestamp - twepoch << timestampleftshift) | idworker.workerid << idworker.workeridshift | idworker.sequence;
51 return nextid;
52 }
53 }
54
55 /// <summary>
56 /// 获取下一微秒时间戳
57 /// </summary>
58 /// <param name="lasttimestamp"></param>
59 /// <returns></returns>
60 private long tillnextmillis(long lasttimestamp)
61 {
62 long timestamp = timegen();
63 while (timestamp <= lasttimestamp)
64 {
65 timestamp = timegen();
66 }
67 return timestamp;
68 }
69
70 /// <summary>
71 /// 生成当前时间戳
72 /// </summary>
73 /// <returns></returns>
74 private long timegen()
75 {
76 return (long)(datetime.utcnow - new datetime(1970, 1, 1, 0, 0, 0, datetimekind.utc)).totalmilliseconds;
77 }
78
79 }
调用：
1 idworker idworker = new idworker(1);
2 for (int i = 0; i < 1000; i++)
3 {
4 console.writeline(idworker.nextid());
5 }
其他算法：
方法一：uuid
uuid是通用唯一识别码 (universally unique identifier)，在其他语言中也叫guid，可以生成一个长度32位的全局唯一识别码。
string uuid = uuid.randomuuid().tostring()
结果示例：
046b6c7f-0b8a-43b9-b35d-6489e6daee91
为什么无序的uuid会导致入库性能变差呢？
这就涉及到 b+树索引的分裂：
众所周知，关系型数据库的索引大都是b+树的结构，拿id字段来举例，索引树的每一个节点都存储着若干个id。
如果我们的id按递增的顺序来插入，比如陆续插入8，9，10，新的id都只会插入到最后一个节点当中。当最后一个节点满了，会裂变出新的节点。这样的插入是性能比较高的插入，因为这样节点的分裂次数最少，而且充分利用了每一个节点的空间。
但是，如果我们的插入完全无序，不但会导致一些中间节点产生分裂，也会白白创造出很多不饱和的节点，这样大大降低了数据库插入的性能。
方法二：数据库自增主键
假设名为table的表有如下结构：
id feild
35 a
每一次生成id的时候，访问数据库，执行下面的语句：
begin;
replace into table ( feild ) values ( 'a' );
select last_insert_id();
commit;
replace into 的含义是插入一条记录，如果表中唯一索引的值遇到冲突，则替换老数据。
这样一来，每次都可以得到一个递增的id。
为了提高性能，在分布式系统中可以用db proxy请求不同的分库，每个分库设置不同的初始值，步长和分库数量相等：
这样一来，db1生成的id是1,4,7,10,13....，db2生成的id是2,5,8,11,14.....