• 比雪花算法更好用的ID生成算法（单机或分布式唯一ID）
• • 💎 算法介绍
  • 💎 技术支持
  • 需求来源
  • 传统算法问题
  • 新算法特点
  • 性能数据
  • 适用范围
  • 如何处理时间回拨
  • 💎 配置参数
  • 💎 关于ID
  • • 长度估算
    • 能用多久
  • 💎 常规集成
  • 💎 配置变更
  • 自动注册WorkerId
  • 💎 代码示例

比雪花算法更好用的ID生成算法（单机或分布式唯一ID）

💎 算法介绍

❄ 一个全新的雪花漂移算法，生成的ID更短、速度更快。

❄ 核心在于缩短ID长度的同时，具有极高瞬时并发处理量（保守值 50W/0.1s）。

❄ 原生支持 C#/Java/Go/Rust/C 等语言，并由 Rust 提供 PHP、Python、Node.js、Ruby 等语言多线程安全调用库(FFI)。如果你的应用有语言开发，基于本算法提供的逻辑实现，集成会更简单，逻辑会更一致。

❄ 支持 k8s 等容器化部署，自动注册 WorkerId。

❄ 可在单机或分布式环境中生成唯一ID。

💎 技术支持

开源地址1：https://gitee.com/yitter/idgenerator

开源地址2：https://github.com/yitter/idgenerator

QQ群：646049993

需求来源

💧 作为架构设计的你，想要解决数据库主键唯一的问题，特别是在分布式系统多数据库的时候。

💧 你希望这个主键是用最少的存储空间，索引速度更快，Select、Insert 和 Update 更迅速。

💧 你要考虑在分库分表（合库合表）时，主键值可直接使用，并能反映业务时序。

💧 如果这样的主键值太长，超过前端 JS Number 类型最大值，须把 Long 型转换为 String 型，你会觉得有点沮丧。

💧 尽管 Guid 能自增，但占用空间大，索引速度慢，你也不想用它。

💧 应用实例可能超过50个，每个并发请求可达10W/s。

💧 在容器环境部署应用（水平扩展、自动伸缩）。

💧 不想依赖 redis 的自增操作。

💧 你希望系统运行 100 年以上。

传统算法问题

❌ 生成的ID太长。

❌ 瞬时并发量不够。

❌ 不能解决时间回拨问题。

❌ 不支持后补生成前序ID。

❌ 依赖外部存储系统。

新算法特点

✔ 整形数字，随时间单调递增（不一定连续），长度更短，用50年都不会超过 js Number类型最大值。（默认配置 WorkerId 是6bit，自增数是6bit）

✔ 速度更快，是传统雪花算法的2-5倍，0.1秒可生成50万个。（i7笔记本，默认算法配置6bit+6bit）

✔ 支持时间回拨处理。比如服务器时间回拨1秒，本算法能自动适应生成临界时间的唯一ID。

✔ 支持手工插入新ID。当业务需要在历史时间生成新ID时，用本算法的预留位能生成5000个每秒。

✔ 漂移时能外发通知事件。让调用方确切知道算法漂移记录，Log并发调用量。

✔ 不依赖任何外部缓存和数据库。（k8s环境下自动注册 WorkerId 的动态库依赖 redis）

✔ 基础功能，开箱即用，无需配置文件、数据库连接等。

性能数据

(参数：10位自增序列，1000次漂移最大值)

连续请求量	5K	5W	50W
传统雪花算法	0.0045s	0.053s	0.556s
雪花漂移算法	0.0015s	0.012s	0.113s

💍 极致性能：500W/s~3000W/s。（所有测试数据均基于8代低压i7计算。）

适用范围

🔷小型、中型、大型需要全局唯一Id（不用Guid）的项目。

🔷 单机或分布式项目。

🔷不想将 Long 型转 String 给前端用的项目。

如何处理时间回拨

🔶 当发生系统时间回拨时，算法采用过去时序的预留序数生成新的ID。

🔶 回拨生成的ID序号，默认靠前，也可以调整为靠后。

🔶 允许时间回拨至本算法预设基数（参数可调）。

💎 配置参数

❄ WorkerIdBitLength，决定 WorkerId 的最大值。

❄ SeqBitLength，决定每毫秒生成的 ID 个数。

❄ WorkerIdBitLength + SeqBitLength 不能超过 22。

❄ WorkerId，最大值 2^WorkerIdBitLength-1。

❄ 默认配置值：

WorkerIdBitLength = 6
SeqBitLength = 6

💎 关于ID

🟣 ID示例（基于默认配置）：

129053495681099        (本算法运行1年)
387750301904971        (运行3年)
646093214093387        (运行5年)
1292658282840139       (运行10年)
9007199254740992       (js Number 最大值)
165399880288699493     (普通雪花算法生成的ID)

🟣 本算法生成的 ID 值，是 js Number 最大值的 1%-10%，是普通雪花算法值的千分之一，而计算能力却超过普通雪花算法。

🟣 js Number 类型最大数值：9007199254740992，本算法在保持并发性能（5W+/0.01s）和最大64个 WorkerId（6bit）的同时，能用70年才到 js Number Max 值。

长度估算

💍 每增加 1位 WorkerIdBitLength 或 SeqBitLength，生成的ID数字值将会乘以2（基础长度可参考前“ID示例”），反之则除以2。

能用多久

🔵 在默认配置下，ID可用 71000 年不重复。

🔵 在支持 1024 个工作节点时，ID可用 4480 年不重复。

🔵 在支持 4096 个工作节点时，ID可用 1120 年不重复。

💎 常规集成

1️⃣ 用单例模式调用。外部集成方使用更多的实例并行调用本算法，不会增加ID产出效能，因为本算法采用单线程模式生成ID。

2️⃣ 指定唯一的 WorkerId。必须由外部系统确保 WorkerId 的全局唯一性，并赋值给本算法入口方法。

3️⃣ 单机多实例部署时使用不同 WorkerId。并非所有实现都支持跨进程的并发唯一，保险起见，在同一主机上部署多应用实例时，请确保各 WorkerId 唯一。

4️⃣ 异常处理。算法会抛出所有 Exception，外部系统应 catch 异常并做好应对处理，以免引发更大的系统崩溃。

5️⃣ 认真理解 IdGeneratorOptions 的定义，这对集成和使用本算法有帮助。

6️⃣ 使用雪花漂移算法。虽然代码里包含了传统雪花算法的定义，并且你可以在入口处指定（Method=2）来启用传统算法，但仍建议你使用雪花漂移算法（Method=1，默认的），毕竟它具有更好的伸缩力和更高的性能。

7️⃣ 不要修改核心算法。本算法内部参数较多，逻辑较为复杂，在你尚未掌握核心逻辑时，请勿尝试修改核心代码且用于生产环境，除非通过大量细致、科学的测试验证。

💎 配置变更

配置变更指是系统运行一段时间后，再变更运行参数（IdGeneratorOptions选项值），请注意：

🔴 1.最重要的一条原则是：BaseTime 只能往前（比老值更小、距离现在更远）赋值，原因是往后赋值极大可能产生相同的时间戳。[不推荐在系统运行之后调整 BaseTime]

🔴 2.任何时候增加 WorkerIdBitLength 或 SeqBitLength，都是可以的，但是慎用 “减小”的操作，因为这可能导致在未来某天生成的 ID 与过去老配置时相同。[允许在系统运行之后增加任何一个 BitLength 值]

🔴 3.如果必须减小 WorkerIdBitLength 或 SeqBitLength 其中的一项，一定要满足一个条件：新的两个 BitLength 之和要大于 老的值之和。[不推荐在运行之后缩小任何一个 BitLength 值]

🔴 4.上述3条规则，并未在本算法内做逻辑控制，集成方应根据上述规则做好影响评估，确认无误后，再实施配置变更。

自动注册WorkerId

🔍 唯一ID生成器，依赖WorkerId，当业务服务需要水平自动化复制时，就要求它能自动化注册全局唯一WorkerId，然后各个容器化的无差别部署的业务服务，才能根据它生产唯一ID。

🔍 本算法提供一个开源的动态库（go语言实现），能在容器 k8s（或其它容器化集群） 环境下，通过 redis 自动注册 WorkerId。动态库提供的C接口方法可参考
源码文件 [ Tools/AutoRegisterWorkerId/lib/yitidgengo.h ]

redis作用

🔎 在集成“自动注册WorkerId”功能时，用于注册 WorkerId ，不用于生产 ID。

💎 代码示例

🌲🏳️‍🌈 C#：查看示例

🌲🏳️‍🌈 Java：查看示例

🌲🏳️‍🌈 Go：查看示例

🌲🏳️‍🌈 Rust：查看示例

🌲🏳️‍🌈 C：查看示例