作者 | 京东云开发者-京东物流 金越
原文链接：https://my.oschina.net/u/4090830/blog/10111170
UUID
UUID（通用唯一识别码）是由 32 个十六进制数组成的无序字符串，通过一定的算法计算出来。为了保证其唯一性，UUID 规范定义了包括网卡 MAC 地址、时间戳、名字空间（Namespace）、随机或伪随机数、时序等元素，以及从这些元素生成 UUID 的算法。一般来说，算法可以保证任何地方产生的任意一个 UUID 都不会相同，但这个唯一性是有限的，只在特定的范围内才能得到保证。UUID 的一个非常明显的特点就是本身较长，格式是这样的：xxxxxxxx-xxxx-Mxxx-xxxx-xxxxxxxxxxxx
467e8542-2275-4163-95d6-7adc205580a9
其中 M 位置，代表版本号，由于 UUID 的标准实现有 5 个版本，所以只会是 1、2、3、4、5；各版本介绍
UUID 现有的 5 种版本，是根据不同的使用场景划分的，而不是根据精度，所以 Version5 并不会比 Version1 精度高，在精度上大家都能保证唯一性，重复的概率近乎于 0。使用 UUID，每个人都可以创建不与其它人冲突的唯一值，在所有空间和时间上都可以被视为唯一的标识。
UUID 可单机自行生成，且生成速度快，QPS 高，各个语言都有对应的生成供直接调用使用。
如果只是需要生成一个唯一 ID，可以使用 V1 或 V4。v1 基于时间戳和 Mac 地址，这些 ID 有一定的规律，而且会暴露你的 Mac 地址。v4 是完全随机 (伪) 的。
如果对于相同的参数需要输出相同的 UUID, 你可以使用 V3 或 V5。
Version1: 基于时间戳及 MAC 地址的实现
其中包括了 48 位的 MAC 地址和 60 位的时间戳。且 v1 为了保证唯一性，当时间精度不够时，会使用 13~14 位的 clock sequence 来扩展时间戳，比如：当 UUID 的生产成速率太快，超过了系统时间的精度。时间戳的低位部分会每增加一个 UUID 就 + 1 的操作来模拟更高精度的时间戳，换句话说，就是当系统时间精度无会区分 2 个 UUID 的时间先后时，为了保证唯一性，会在其中一个 UUID 上 + 1。所以 UUID 重复的概率几乎为 0，时间戳加扩展的 clock sequence 一共有 74bits,(2 的 74 次方，约为 1.8 后面加 22 个零), 即在每个节点下，每秒可产生 1630 亿不重复的 UUID。但由于 v1 中最后的 12 位是网卡的 MAC 地址，会导致隐私问题以及安全问题，这是这个版本 UUID 受到批评的地方。Version2: DCE 安全的 UUID
DCE（Distributed Computing Environment）安全的 UUID 和基于时间的 UUID 算法相同，但会把时间戳的前 4 位置换为 POSIX 的 UID 或 GID。这个版本的 UUID 在实际中较少用到。Version3: 5 基于名称空间和名字
v3 和 v5 都是通过计算 namespace 和名称的哈希值生成的。不同的点在于 v3 使用的 hash 算法为 MD5，v5 使用 SHA-1。因为算法中没有不确定的部分，所以当 namespace 与名称确定时，得到的 UUID 都是确定唯一的。比如：$ uuid -n 3 -v3 ns:URL www.jd.com
7e963853-8fce-3085-bb2c-8424745d73a2
7e963853-8fce-3085-bb2c-8424745d73a2
7e963853-8fce-3085-bb2c-8424745d73a2
算法实现中会将 namespace 和输入参数拼接在一起，计算 hash 结果，再进行截断格式化等操作来保证唯一性。Version4: 基于随机数
v4 的 UUID 中 4 位代表版本，2-3 位代表 variant。余下的 122-121 位都是全部随机的。即有 2 的 122 次方 (5.3 后面 36 个 0) 个 UUID。一个标准实现的 UUID 库在生成了 2.71 万亿个 UUID 会产生重复 UUID 的可能性也只有 50% 的概率。这相当于每秒产生 10 亿的 UUID，持续 85 年，而把这些 UUID 都存入文件，每个 UUID 占 16bytes, 总需要 45EB (exabytes)，比目前最大的数据库 (PB) 还要大很多倍。# java 1.5+
# java.util.UUID
for (int i = 0; i < 3; i++) {
String uuid = UUID.randomUUID().toString();
System.out.println(uuid);
}
生成的 UUID 如下：
8bca474b-214d-4ce8-8446-b99f30147f94
c38588cf-a1c4-4758-9d86-b2ee5552ae59
febf5a46-bd1b-43f8-89a8-d5606e5d1ce0
SnowFlake 算法
雪花算法，是 Twitter 开源的分布式 ID 生成算法。雪花算法中利用了时间戳，机器 ID，以及同毫秒内的不同序列号来保证分布式生成 ID 的唯一性。1. 时间戳在高位，自增序列在低位的特征可以保证整个 ID 的趋势是递增有序的。2. 但由于其依赖机器时钟，如果机器时钟回拨，可能会导致重复 ID 生成。其在分布式环境下，每台机器上的时钟不可能完全同步，有时候会出现不是全局递增的情况。SnowFlake 算法生成 id 的结果是一个 64bit 大小的整数，它的结构如下图：1bit，不用。二进制中最高位为 1 的都是负数，但是我们生成的 id 一般都使用整数，所以这个最高位固定是 0
41bit，用来记录时间戳（毫秒）。41 位可以表示 2^{41}-1 个数字，如果只用来表示正整数（计算机中正数包含 0），可以表示的数值范围是 0 至 2^{41}-1，也就是说 41 位可以表示 2^{41}-1 个毫秒的值，转化成单位年则是 (2^{41} - 1) / (1000*60*60*24*365) = 69 年。
10bit，用来记录工作机器 id。可以部署在 2^{10} = 1024 个节点，包括 5 位 datacenterId 和 5 位 workerId，5 位（bit）可以表示的最大正整数是 2^{5}-1 = 31，即可以用 0、1、2、3、....、31 这 32 个数字，来表示不同的 datecenterId 或 workerId。
12 位，序列号，用来记录同毫秒内产生的不同 ID；12bit 可以表示的最大正整数是 2^{12}-1 = 4095 ，即可以用 0、1、2、3、....4094 这 4095 个数字，来表示同一机器同一时间截（毫秒) 内产生的 4095 个 ID 序号。
有序主键 or 随机主键 ？
使用 UUID 这些随机 ID 生成算法作为 MySQL 主键的生成方案呢？答案是：不可以！众所周知，当 MySQL 数据表使用 InnoDB 作为存储引擎时，每一个索引都对应一个 B + 树，若表定义了主键（没有时，MySQL 则会自动生成不可见的自增主键），主键对应的索引就是聚簇索引，表的所有数据都存储在聚簇索引上。索引中键值的逻辑顺序决定了表中相应行的物理顺序（索引中的数据物理存放地址和索引的顺序是一致的）。可以这么理解：只要是索引是连续的，那么数据在存储介质上的存储位置也是连续的。基于以上特性，由于自增键的值是有序的，插入数据时，Innodb 会把每一条记录都存储在上一条记录的后面。当达到页面的最大填充因子时候 (innodb 默认的最大填充因子是页大小的 15/16, 会留出 1/16 的空间留作以后的修改)，会进行如下操作：下一条记录就会写入新的页中，一旦数据按照这种顺序的方式加载，主键页就会近乎于顺序的记录填满，提升了页面的最大填充率，不会有页的浪费；且由于新插入的行一定会在原有的最大数据行下一行，mysql 定位和寻址很快，不会为计算新行的位置而做出额外的消耗。而 UUID 相对于有序的自增 ID，它的值是毫无规律可言的，新行的主键不一定要比之前数据主键的值大，所以 innodb 无法做到总是把新行插入到索引的最后，而是需要为新行寻找新的合适的位置从而来分配新的空间。这个过程需要做很多额外的操作，而且最终分布散乱的数据会导致以下问题：写入的目标页很可能已经刷新到磁盘上并且从缓存上移除，或者还没有被加载到缓存中，innodb 在插入之前不得不先找到并从磁盘读取目标页到内存中，这将导致大量的随机 IO；
因为写入是乱序的，innodb 不得不频繁的做页分裂操作，以便为新的行分配空间，页分裂导致移动大量的数据，一次插入最少需要修改三个页以上，且由于频页分裂，页会变得稀疏并被不规则的填充，最终会导致数据会有碎片；
在把值载入到聚簇索引 (innodb 默认的索引类型) 以后，有时候会需要做一次 OPTIMEIZE TABLE 来重建表并优化页的填充，这将又需要一定的时间消耗。
🌟前沿技术分享 + 大型交流活动 + 精美茶歇礼物～
