摘要：關于我為什么寫這篇文章是因為今天在做訂單模塊的時候看到之前的上描述的年月日用戶位企業位四位自增長數。背景對于其定訂單的生成。個人的看法是主要是唯一，其他關于業務方面的不是太太重要。自增實現了用于將的值遞增，并返回結果。

關于我為什么寫這篇文章是因為今天在做訂單模塊的時候,看到之前的PRD上描述的年月日＋用戶id2位+企業id位
＋四位自增長數。然后竟被我反駁的突然改成了精確時間＋4位自增長數，于是我更失望了。

我們考慮一下，據我所常見的訂單基本都14-20位。(年月日時分秒和隨機數)基本上就有14位了。雖然一般項目做不到淘寶雙11這種
支付峰值達到每秒10萬筆訂單.但是我覺得至少事先可以考慮到，想必當初淘寶或許也沒意識到以后發展
得這么好。

對于其定訂單的生成。我覺得要至少要符合以下這三種,全局唯一 ,

在復雜的分布式系統中，很多場景需要的都是全局唯一ID的場景，一般為了防止沖突可以考慮的有36
位的UUID,twitter的snowflake等。

但是可以思考這些問題？

是不是應該有一些其他意義的思考，比如說訂單系統有買家的id(取固定幾位)

是否有商品的標識,方便熟悉業務的排查問題或者查詢也通過不去系統查找可以有個初步的認識，但是業務量大的話感覺就可以排除這個人為的去辨識了。

個人的看法是主要是唯一，其他關于業務方面的不是太太重要。

查閱了相關資料，主要有以下這幾種

1.UUID
組成：當前日期+時間+時鐘序列+機器識別號（Mac地址或其他）沒有mac網卡的話會有別的東西識別。
在分布式系統中，所有元素（WEB服務器）都不需要通過中央控制端來判斷數據唯一性。幾十年之內可以達到全球唯一性。
snowflake的結構如下(每部分用-分開):

2.Mysql通過AUTO_INCREMENT實現、Oracle通過Sequence序列實現。
在數據庫集群環境下，不同數據庫節點可設置不同起步值、相同步長來實現集群下生產全局唯一、遞增ID

3.Snowflake算法 雪花算法　
41位時間戳+10位機器ID+12位序列號（自增） 轉化長度為18位的長整型。
Twitter為滿足美秒上萬條消息的創建，且ID需要趨勢遞增，方便客戶端排序。
Snowflake雖然有同步鎖，但是比uuid效率高。

4.Redis自增ID
實現了incr(key)用于將key的值遞增1，并返回結果。如果key不存在，創建默認并賦值為0。 具有原子性，保證在并發的時候。

但是我在這主要想說的是雪花算法生成id

關于序列
0 - 0000000000 0000000000 0000000000 0000000000 0 - 00000 - 00000 - 000000000000

第一位為未使用，接下來的41位為毫秒級時間(41位的長度可以使用69年)，然后是5位datacenterId和5位workerId(10位的長度最多支持部署1024個節點） ，最后12位是毫秒內的計數（12位的計數順序號支持每個節點每毫秒產生4096個ID序號）

一共加起來剛好64位，為一個Long型。(轉換成字符串長度為18)

snowflake生成的ID整體上按照時間自增排序，并且整個分布式系統內不會產生ID碰撞（由datacenter和workerId作區分），并且效率較高。據說：snowflake每秒能夠產生26萬個ID。

以下是代碼
部分借鑒與網絡
100萬個ID 耗時２秒

/**
 * Created by youze on 18-7-5
 */
public class IdWorker {

    /**
     * 起始的時間戳
     */
    private final static long START_STMP = 1530795377086L;

    /**
     * 每一部分占用的位數
     */

    /**
     * 序列號占用的位數
     */
    private final static long SEQUENCE_BIT = 12;

    /**
     * 機器標識占用的位數
     */
    private final static long MACHINE_BIT = 5;

    /**
     * 數據中心占用的位數
     */
    private final static long DATACENTER_BIT = 5;

    /**
     * 每一部分的最大值
     */
    private final static long MAX_DATACENTER_NUM = -1L ^ (-1L << DATACENTER_BIT);
    private final static long MAX_MACHINE_NUM = -1L ^ (-1L << MACHINE_BIT);
    private final static long MAX_SEQUENCE = -1L ^ (-1L << SEQUENCE_BIT);

    /**
     * 每一部分向左的位移
     */
    private final static long MACHINE_LEFT = SEQUENCE_BIT;
    private final static long DATACENTER_LEFT = SEQUENCE_BIT + MACHINE_BIT;
    private final static long TIMESTMP_LEFT = DATACENTER_LEFT + DATACENTER_BIT;

    /**
     * 數據中心
     */
    private long datacenterId;

    /**
     * 機器標識
     */
    private long machineId;
    /**
     * 序列號
     */
    private long sequence = 0L;

    /**
     * 上一次時間戳
     */
    private long lastStmp = -1L;

    public IdWorker(long datacenterId, long machineId) {
        if (datacenterId > MAX_DATACENTER_NUM || datacenterId < 0) {
            throw new IllegalArgumentException("datacenterId can"t be greater than MAX_DATACENTER_NUM or less than 0");
        }
        if (machineId > MAX_MACHINE_NUM || machineId < 0) {
            throw new IllegalArgumentException("machineId can"t be greater than MAX_MACHINE_NUM or less than 0");
        }
        this.datacenterId = datacenterId;
        this.machineId = machineId;
    }

    /**
     * 產生下一個ID
     * @return
     */
    public synchronized long nextId() {
        long currStmp = getNewstmp();
        if (currStmp < lastStmp) {
            throw new RuntimeException("Clock moved backwards.  Refusing to generate id");
        }

        if (currStmp == lastStmp) {
            //相同毫秒內，序列號自增
            sequence = (sequence + 1) & MAX_SEQUENCE;
            //同一毫秒的序列數已經達到最大
            if (sequence == 0L) {
                currStmp = getNextMill();
            }
        } else {
            //不同毫秒內，序列號置為0
            sequence = 0L;
        }

        lastStmp = currStmp;

        return (
                //時間戳部分
                currStmp - START_STMP) << TIMESTMP_LEFT
                //數據中心部分
                | datacenterId << DATACENTER_LEFT
                //機器標識部分
                | machineId << MACHINE_LEFT
                //序列號部分
                | sequence;
    }

    private long getNextMill() {
        long mill = getNewstmp();
        while (mill <= lastStmp) {
            mill = getNewstmp();
        }
        return mill;
    }

    private long getNewstmp() {
        return System.currentTimeMillis();
    }

    public static void main(String[] args) {
        IdWorker snowFlake = new IdWorker(2, 3);
        long start = System.currentTimeMillis();
        for (int i = 0; i < 1000000; i++) {
            System.out.println(snowFlake.nextId());
        }
        System.out.println(System.currentTimeMillis() - start);
    }
}