1.分布式ID的需求
在分布式系统中，需要全局唯一、趋势递增、高性能的ID（如订单号、消息ID）。数据库自增ID在分库分表后不再唯一；UUID无序且过长，影响索引性能。Twitter开源的雪花算法（Snowflake）产生64位长整型ID：1位符号位+41位时间戳（毫秒级，可用69年）+10位工作机器ID（最多1024节点）+12位序列号（每毫秒最多4096个）。Java是实现雪花算法的热门语言。
2.基本Java实现
核心是一个synchronized方法，记录上次生成时间戳和序列号。当时间戳变化时，序列号重置；当同一毫秒内，序列号自增并检查是否溢出（超过4095），若溢出则等待下一毫秒。
参考：https://xgmoi.cn/category/siji.html
3.时钟回拨问题与解决
雪花算法依赖系统时钟。如果时钟回拨（如NTP调整），可能会生成重复ID。解决方案：
拒绝策略：检测到时钟回拨超过阈值（如5秒），抛异常或阻塞等待时间追上。
使用Zookeeper记录上次时间：当回拨发生时，从ZK获取最后分配的时间戳，暂停直到超过它。
改用美团的Leaf方案：不依赖时钟，而是通过数据库号段或双buffer。
4.高性能优化
单机雪花算法每秒可生成数万ID，瓶颈在synchronized。改进：
预分配序列号：每个Worker预取一批序列号到本地，减少锁竞争。
使用LongAdder或AtomicLong，但需要保证唯一性，不建议。
多worker实例：如果一台机器需要极高QPS，可启动多个worker（不同机器ID），通过负载均衡分配请求。
参考：https://xgmoi.cn/category/xinli.html
5.案例：电商订单中心
某电商每天订单量约5000万，使用雪花算法生成订单ID，部署8个节点，每个节点配置机器ID（1-8）。Java实现：
时钟回拨处理：启动时从数据库读取上次最大时间戳，如果时钟回拨超过1秒，报警并自杀。
序列号位数调整为16位（每毫秒65536），时间戳位数相应减少（可满足50年）。
测试单机最高生成15万ID/秒，满足峰值需求。
6.其他分布式ID方案
数据库号段模式：批量从DB取ID段，缓存到内存。
Redis自增：INCR原子操作，但依赖Redis性能。
UUID：36字符，不适合作为数据库主键（碎片严重）。
7.总结
Java实现雪花算法简单可靠，已在无数分布式系统中验证。合理设计机器ID分配策略和时钟回拨处理，即可获得高性能、全局唯一的ID。对于大多数业务场景，雪花算法是分布式ID的首选。
参考：https://xgmoi.cn
