一、UUID
1、简介
优点：
- 简单，代码⽅便。
- ⽣成ID性能⾮常好，基本不会有性能问题。
- 全球唯⼀，在遇⻅数据迁移，系统数据合并，或者数据库变更等情况下，可以从容应对。
缺点：
- 没有排序，⽆法保证趋势递增。
- UUID往往是使⽤字符串存储，查询的效率⽐较低。
- 存储空间⽐较⼤，如果是海量数据库，就需要考虑存储量的问题。
- 传输数据量⼤。
- 不可读。
2、代码实现
import java.util.UUID; public class UUIDUtils { public static String getUUID() { // 2c294ec8-9585-4b06-954e-7380979e7ff1 String uuid = UUID.randomUUID().toString(); return uuid; } }
三、Redis
1、简介
当使⽤数据库来⽣成ID性能不够要求的时候，我们可以尝试使⽤Redis来⽣成ID。这主要依赖于Redis是单线程的，
所以也可以⽤⽣成全局唯⼀的ID。可以⽤Redis的原⼦操作 INCR和INCRBY来实现。
优点：
- 不依赖于数据库，灵活⽅便，且性能优于数据库。
- 数字ID天然排序，对分⻚或者需要排序的结果很有帮助。
缺点：
- 如果系统中没有Redis，还需要引⼊新的组件，增加系统复杂度。
- 需要编码和配置的⼯作量⽐较⼤。
- ⽹络传输造成性能下降。
2、代码实现
pom.xml依赖
<dependency> <groupId>org.springframework.boot</groupId> <artifactId>spring-boot-starter-data-redis</artifactId> </dependency>
Java代码：
import org.springframework.beans.factory.annotation.Autowired; import org.springframework.data.redis.core.StringRedisTemplate; public class RedisIdUtils { private static final String redisIdKey = "redisKey"; @Autowired private StringRedisTemplate stringRedisTemplate; public Long getRedisID() { // 默认每次步进1，可配置 Long redisKey01 = stringRedisTemplate.opsForValue().increment(redisIdKey); Long redisKey = stringRedisTemplate.opsForValue().increment(redisIdKey, 1); return redisKey; } }
三、雪花算法snowflake
详见写的另一篇文章。
https://blog.csdn.net/lydms/article/details/124696135
