來源| OSCHINA 社區

作者 |京東云開發者-京東物流 金越

UUID

UUID（通用唯一識別碼）是由 32 個十六進制數組成的無序字符串，通過一定的算法計算出來。為了保證其唯一性，UUID 規范定義了包括網卡 MAC 地址、時間戳、名字空間（Namespace）、隨機或偽隨機數、時序等元素，以及從這些元素生成 UUID 的算法。一般來說，算法可以保證任何地方產生的任意一個 UUID 都不會相同，但這個唯一性是有限的，只在特定的范圍內才能得到保證。 UUID 的一個非常明顯的特點就是本身較長，格式是這樣的：

xxxxxxxx-xxxx-Mxxx-xxxx-xxxxxxxxxxxx
467e8542-2275-4163-95d6-7adc205580a9

各版本介紹

UUID 現有的 5 種版本，是根據不同的使用場景劃分的，而不是根據精度，所以 Version5 并不會比 Version1 精度高，在精度上大家都能保證唯一性，重復的概率近乎于 0。 總結：

使用 UUID，每個人都可以創建不與其它人沖突的唯一值，在所有空間和時間上都可以被視為唯一的標識。

UUID 可單機自行生成，且生成速度快，QPS 高，各個語言都有對應的生成供直接調用使用。

如果只是需要生成一個唯一 ID，可以使用 V1 或 V4。v1 基于時間戳和 Mac 地址，這些 ID 有一定的規律，而且會暴露你的 Mac 地址。v4 是完全隨機 (偽) 的。

如果對于相同的參數需要輸出相同的 UUID, 你可以使用 V3 或 V5。

Version1: 基于時間戳及 MAC 地址的實現

其中包括了 48 位的 MAC 地址和 60 位的時間戳。且 v1 為了保證唯一性，當時間精度不夠時，會使用 13~14 位的 clock sequence 來擴展時間戳，比如：當 UUID 的生產成速率太快，超過了系統時間的精度。時間戳的低位部分會每增加一個 UUID 就 + 1 的操作來模擬更高精度的時間戳，換句話說，就是當系統時間精度無會區分 2 個 UUID 的時間先后時，為了保證唯一性，會在其中一個 UUID 上 + 1。所以 UUID 重復的概率幾乎為 0，時間戳加擴展的 clock sequence 一共有 74bits,(2 的 74 次方，約為 1.8 后面加 22 個零), 即在每個節點下，每秒可產生 1630 億不重復的 UUID。 但由于 v1 中最后的 12 位是網卡的 MAC 地址，會導致隱私問題以及安全問題，這是這個版本 UUID 受到批評的地方。

Version2: DCE 安全的 UUID

DCE（Distributed Computing Environment）安全的 UUID 和基于時間的 UUID 算法相同，但會把時間戳的前 4 位置換為 POSIX 的 UID 或 GID。這個版本的 UUID 在實際中較少用到。

Version3: 5 基于名稱空間和名字

v3 和 v5 都是通過計算 namespace 和名稱的哈希值生成的。不同的點在于 v3 使用的 hash 算法為 MD5，v5 使用 SHA-1。因為算法中沒有不確定的部分，所以當 namespace 與名稱確定時，得到的 UUID 都是確定唯一的。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

Version4: 基于隨機數

v4 的 UUID 中 4 位代表版本，2-3 位代表 variant。余下的 122-121 位都是全部隨機的。即有 2 的 122 次方 (5.3 后面 36 個 0) 個 UUID。一個標準實現的 UUID 庫在生成了 2.71 萬億個 UUID 會產生重復 UUID 的可能性也只有 50% 的概率。這相當于每秒產生 10 億的 UUID，持續 85 年，而把這些 UUID 都存入文件，每個 UUID 占 16bytes, 總需要 45EB (exabytes)，比目前最大的數據庫 (PB) 還要大很多倍。 在 java 中使用 v4：

# 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 開源的分布式 ID 生成算法。雪花算法中利用了時間戳，機器 ID，以及同毫秒內的不同序列號來保證分布式生成 ID 的唯一性。 雪花算法總結 1. 時間戳在高位，自增序列在低位的特征可以保證整個 ID 的趨勢是遞增有序的。 2. 但由于其依賴機器時鐘，如果機器時鐘回撥，可能會導致重復 ID 生成。其在分布式環境下，每臺機器上的時鐘不可能完全同步，有時候會出現不是全局遞增的情況。 SnowFlake 算法生成 id 的結果是一個 64bit 大小的整數，它的結構如下圖：

1bit，不用。二進制中最高位為 1 的都是負數，但是我們生成的 id 一般都使用整數，所以這個最高位固定是 0

41bit，用來記錄時間戳（毫秒）。41 位可以表示 2^{41}-1 個數字，如果只用來表示正整數（計算機中正數包含 0），可以表示的數值范圍是 0 至 2^{41}-1，也就是說 41 位可以表示 2^{41}-1 個毫秒的值，轉化成單位年則是 (2^{41} - 1) / (1000*60*60*24*365) = 69 年。

10bit，用來記錄工作機器 id。可以部署在 2^{10} = 1024 個節點，包括 5 位 datacenterId 和 5 位 workerId，5 位（bit）可以表示的最大正整數是 2^{5}-1 = 31，即可以用 0、1、2、3、....、31 這 32 個數字，來表示不同的 datecenterId 或 workerId。

12 位，序列號，用來記錄同毫秒內產生的不同 ID；12bit 可以表示的最大正整數是 2^{12}-1 = 4095 ，即可以用 0、1、2、3、....4094 這 4095 個數字，來表示同一機器同一時間截（毫秒) 內產生的 4095 個 ID 序號。

有序主鍵 or 隨機主鍵 ？

使用 UUID 這些隨機 ID 生成算法作為 MySQL 主鍵的生成方案呢？答案是：不可以！ 眾所周知，當 MySQL 數據表使用 InnoDB 作為存儲引擎時，每一個索引都對應一個 B + 樹，若表定義了主鍵（沒有時，MySQL 則會自動生成不可見的自增主鍵），主鍵對應的索引就是聚簇索引，表的所有數據都存儲在聚簇索引上。索引中鍵值的邏輯順序決定了表中相應行的物理順序（索引中的數據物理存放地址和索引的順序是一致的）。可以這么理解：只要是索引是連續的，那么數據在存儲介質上的存儲位置也是連續的。 基于以上特性，由于自增鍵的值是有序的，插入數據時，Innodb 會把每一條記錄都存儲在上一條記錄的后面。當達到頁面的最大填充因子時候 (innodb 默認的最大填充因子是頁大小的 15/16, 會留出 1/16 的空間留作以后的修改)，會進行如下操作：下一條記錄就會寫入新的頁中，一旦數據按照這種順序的方式加載，主鍵頁就會近乎于順序的記錄填滿，提升了頁面的最大填充率，不會有頁的浪費；且由于新插入的行一定會在原有的最大數據行下一行，mysql 定位和尋址很快，不會為計算新行的位置而做出額外的消耗。 而 UUID 相對于有序的自增 ID，它的值是毫無規律可言的，新行的主鍵不一定要比之前數據主鍵的值大，所以 innodb 無法做到總是把新行插入到索引的最后，而是需要為新行尋找新的合適的位置從而來分配新的空間。這個過程需要做很多額外的操作，而且最終分布散亂的數據會導致以下問題：

寫入的目標頁很可能已經刷新到磁盤上并且從緩存上移除，或者還沒有被加載到緩存中，innodb 在插入之前不得不先找到并從磁盤讀取目標頁到內存中，這將導致大量的隨機 IO；

因為寫入是亂序的，innodb 不得不頻繁的做頁分裂操作，以便為新的行分配空間，頁分裂導致移動大量的數據，一次插入最少需要修改三個頁以上，且由于頻頁分裂，頁會變得稀疏并被不規則的填充，最終會導致數據會有碎片；

在把值載入到聚簇索引 (innodb 默認的索引類型) 以后，有時候會需要做一次 OPTIMEIZE TABLE 來重建表并優化頁的填充，這將又需要一定的時間消耗。

審核編輯：湯梓紅