前言 在实际开发过程中，数据库自增主键生成Id能满足大部分的场景。 但是随着分布式应用场景的增多，表数据的增大导致分表分库的大量应用。 数据库自增主键的生成规则无法满足对应的业务场景，于是诞生了越来越多的分布式ID生成算法，其中雪花算法是目前最为流行的。 今天说一下在mybatis-plus中如何使用雪花算法生成Id。 一、mybatis-plus官网 官方文档：https://baomidou.com/ Git地址：https://github.com/baomidou

分布式唯一ID的方案有很多，本文主要讨论了雪花算法，组成结构大致分为了无效位、时间位、机器位和序列号位。

所谓id就是能够用作唯一标识的记号。 在我们日常的设计中，对于单体架构，我们一般使用数据库的自增Id来作为表的主键，但是对于一个分布式系统，就会出现ID冲突，所以对于分布式ID而言，也需要具备分布式系统的特点：高并发，高可用，高性能等特点。 1.分布式id实现方案 我们先看看常见的分布id解决方案以及各自特点的对比 1.UUID 这种方案复杂度最低，但是会影响存储空间和性能 2.利用单机数据库的自增主键，作为分布式ID的生成器，复杂度适中，ID长度较UUID更短，但是受到单机

分布式唯一ID的方案有很多，本文主要讨论了雪花算法，组成结构大致分为了无效位、时间位、机器位和序列号位。

目前主流的分布式ID生成方式，大致都是基于数据库号段模式和雪花算法（snowflake），而美团（Leaf）刚好同时兼具了这两种方式，可以根据不同业务场景灵活切换。 1、 Leaf-segment号段模式 Leaf-segment号段模式是对直接用数据库自增ID充当分布式ID的一种优化，减少对数据库的频率操作。相当于从数据库批量的获取自增ID，每次从数据库取出一个号段范围，例如 (1,1000] 代表1000个ID，业务服务将号段在本地生成1~1000的自增ID并加载到内存。 大致