一、分布式 ID 生成 6 大方案对比（面试速记表）

方案	全局唯一	有序性	高可用	典型 QPS单节点	缺点/注意事项	一句话口诀
① 数据库自增	✅	时间序	单点	1 w	主库挂则断、写压力集中	“小系统够用”
② 数据库号段	✅	时间序	高	10 w	号段用完需瞬时取号	“批量取号，压力骤降”
③ Redis INCR	✅	时间序	较高	20 w	宕机丢号、内存贵	“内存快，持久化怕丢”
④ 雪花算法	✅	毫秒有序	极高	100 w+	时钟回拨撞号	“高性能，防回拨”
⑤ Leaf-Segment(美团)	✅	趋势增	极高	100 w	依赖 DB 号段+内存缓存	“号段+缓存双保险”
⑥ UUID/GUID	✅	完全乱序	极高	1000 w	36 字节、索引裂	“无序+大，只做日志”

生产最常用组合：Leaf-Segment（趋势递增）或 雪花增强版（毫秒内有序）+ 异常时降级 UUID。

---

代码示例：号段模式（Spring Boot）

@Service
public class SegmentService {
    @Resource private SegmentDAO dao;
    private final AtomicLong cursor = new AtomicLong();
    private volatile long max = 0;

    @PostConstruct
    public void init(){
        reload();
    }
    // 无锁取号
    public long nextId(){
        long c = cursor.getAndIncrement();
        if (c < max) return c;
        synchronized (this) {          // 号段用完重新拿
            if (cursor.get() >= max) reload();
            return cursor.getAndIncrement();
        }
    }
    private void reload(){
        Segment seg = dao.fetchNextSegment(); // DB 取新号段
        cursor.set(seg.getBegin());
        max = seg.getEnd();
    }
}

DB 表：segment(biz_tag, max_id, step, version) 用乐观锁防多节点同时取号。

---

“一致性哈希把 ‘全体重新映射’ 变成 ‘只动邻居’；
虚拟节点把 ‘物理少导致倾斜’ 变成 ‘虚拟多而均匀’， 最终让 增删节点时数据迁移量最小、负载最平滑。”