关于雪环算法生成 ID 冲突问题，文中给了一种方案：分配标示位；通过分配雪花算法的组成标识位，来达到默认 1024 节点下 ID 生成唯一。
雪花算法不是万能的，并不能适用于所有场景。如果 ID 要求全局唯一并且服务节点超出 1024 节点，可以选择修改算法本身的组成，即扩展标识位，或者选择开源方案：LEAF、UID。
有些时候我们希望能使用一种简单些的 ID，并且希望 ID 能够按照时间有序生成。
什么是雪花算法
Twitter 雪花算法生成后是一个 64bit 的 long 型的数值，组成部分引入了时间戳，基本保持了自增
SnowFlake 算法的优点：
高性能高可用：生成时不依赖于数据库，完全在内存中生成
高吞吐：每秒钟能生成数百万的自增 ID
ID 自增：存入数据库中，索引效率高
SnowFlake 算法的缺点：
雪花算法组成
snowflake 结构如下图所示：
不使用：1bit，最高位是符号位，0 表示正，1 表示负，固定为 0
时间戳：41bit，毫秒级的时间戳（41 位的长度可以使用 69 年）
标识位：5bit 数据中心 ID，5bit 工作机器 ID，两个标识位组合起来最多可以支持部署 1024 个节点
序列号：12bit 递增序列号，表示节点毫秒内生成重复，通过序列号表示唯一，12bit 每毫秒可产生 4096 个 ID
默认的雪花算法是 64 bit，具体的长度可以自行配置。如果希望运行更久，增加时间戳的位数；如果需要支持更多节点部署，增加标识位长度；如果并发很高，增加序列号位数
总结：雪花算法并不是一成不变的，可以根据系统内具体场景进行定制
雪花算法适用场景
所以，日常业务使用中，雪花算法更多是被应用在数据库的主键 ID 和业务关联主键
雪花算法生成 ID 重复问题
假设：一个订单微服务，通过雪花算法生成 ID，共部署三个节点，标识位一致
通过上述假设场景，可以知道雪花算法生成 ID 冲突存在一定的前提条件
服务通过集群的方式部署，其中部分机器标识位一致
业务存在一定的并发量，没有并发量无法触发重复问题
生成 ID 的时机：同一毫秒下的序列号一致
标识位如何定义
通过上面的案例，知道了 ID 重复的必要条件。如果要避免服务内产生重复的 ID，那么就需要从标识位上动文章
Mybatis-Plus v3.4.2 雪花算法实现类 Sequence，提供了两种构造方法：无参构造，自动生成 dataCenterId 和 workerId；有参构造，创建 Sequence 时明确指定标识位
一起看下 Sequence 的创建默认无参构造，如何生成 dataCenterId 和 workerId
public static long getDataCenterId(long maxDatacenterId {
long id = 1L;
final byte[] mac = NetUtil.getLocalHardwareAddress(;
if (null != mac {
id = ((0x000000FF & (long mac[mac.length - 2]
| (0x0000FF00 & (((long mac[mac.length - 1] << 8 >> 6;
id = id % (maxDatacenterId + 1;
}
return id;
}入参 是一个固定值，代表数据中心 ID 最大值，默认值 31
获取 dataCenterId 时存在两种情况，一种是网络接口为空，默认取 1L；另一种不为空，通过 Mac 地址获取 dataCenterId
接下来再看看 workerId
public static long getWorkerId(long datacenterId, long maxWorkerId {
final StringBuilder mpid = new StringBuilder(;
mpid.append(datacenterId;
try {
mpid.append(RuntimeUtil.getPid(;
} catch (UtilException igonre {
//ignore
}
return (mpid.toString(.hashCode( & 0xffff % (maxWorkerId + 1;
}入参 maxWorkderId 也是一个固定值，代表工作机器 ID 最大值，默认值 31；datacenterId 取自上述的 getDatacenterId 方法
通过 MAC + PID 的 hashcode 获取16个低位，进行运算，最终得到 workerId
分配标识位
标识位如何定义才能不重复？有两种方案：预分配和动态分配
预分配
这种方案，没有代码开发量，在服务节点固定或者项目少可以使用，但是解决不了服务节点动态扩容性问题
动态分配
通过存放标识位，延伸出一个问题：雪花算法的 ID 是 服务内唯一还是全局唯一
两者的区别仅是 不同的服务间是否公用 Redis。如果没有全局唯一的需求，最好使 ID 服务内唯一，因为这样可以避免单点问题
动态分配实现方案
第一个服务节点在获取时，Redis 可能是没有 snowflake_work_id_key 这个 Hash 的，应该先判断 Hash 是否存在，不存在初始化 Hash，dataCenterId、workerId 初始化为 0
如果 Hash 已存在，判断 dataCenterId、workerId 是否等于最大值 31，满足条件初始化 dataCenterId、workerId 设置为 0 返回
dataCenterId 和 workerId 的排列组合一共是 1024，在进行分配时，先分配 workerId
判断 workerId 是否 != 31，条件成立对 workerId 自增，并返回；如果 workerId = 31，自增 dataCenterId 并将 workerId 设置为 0
dataCenterId、workerId 是一直向下推进的，总体形成一个环状。通过 Lua 脚本的原子性，保证 1024 节点下的雪花算法生成不重复。如果标识位等于 1024，则从头开始继续循环推进。