我们在进行分布式系统相关开发的时候，经常需要ID号（例如，订单号，消息id号）。如果不是分布式系统的化，生成一个ID号是非常简单的，因为你自己知道自己生成的所有ID号，但是分布式系统环境下，你自己生成ID号的时候你是不知道其他人生成的ID号的，你再按原先的规则生成的ID号可能就与其他人生成的ID号重复了，这在很多时候是不行的。所以就有了UUID这个东西，其实就是分布式ID，让所有分布式节点各自生成ID而不与其他节点发生ID冲突。
UUID生成方法
常见的UUID有几种版本的生成方法，可参考A Universally Unique IDentifier (UUID) URN Namespace以及Universally_unique_identifier。比较常用的一种基于时间的生成方式是：<Time, MAC, Sequence>，也有基于哈希、随机数等方式。这种生成方式一个缺点就是生成的ID太长了，有的128bit或更长。生成的ID越长，一般意味着发生重复的概率更低，但在实际系统中，往往是ID越短越好。
snowflake算法
当我们要设计一个分布式ID算法时，如果要保证ID唯一性（不会发生重复），ID生成算法就必须有一定的历史记忆功能，知道以前生产过哪些ID，以便今后不再产生，即ID的值应该是一个单调递增（或单调递减）的过程。这样就能保证新产生的一定不是历史中产生过的ID。满足单调递增的可以是自增序列，但是自增序列有个问题是一旦重启，历史就消失了，所以自增序列可以放到整个id值得尾部，将时戳放到高位值得地方，这样重启后，时间增加，整个值能够保证递增。这是一种解决问题的思路，当然不是唯一的思路。snowflake算法基本就可以这么理解。
雪花算法（Snowflake）是twitter公司内部分布式项目采用的ID生成算法，共8字节正好一个long整型就可以表示了。
其中：最高位0表示是一个正数，41bit时间戳，以ms为单位可以表示math.pow(2,41)/(365*24*3600*1000)=69.7305700010147169年的时间，在使用时往往会设定一个基址时间，以这个基址时间为0开始时间的计算。10bit工作机器id可以表示1k多机器，大多数场景已足够。12bit序列号，每毫秒可产生4096个序列号，理论上性能上限为409.6w tps/s。
snowflake算法的最缺点就是唯一性严重依赖于时间，若发生时间回调，则可能会发生重复，此时唯一性依赖于最后的12bit序列号，如果回调时间内，12bit序列号没有发生重复，则安全，如果12bit序列号发生了重复，则不保证ID唯一。
解决时间这个问题，网络上有NTP时间同步的解决方案。局域网网络上利用NTP时间同步精度在1~50ms左右，精度为毫秒级，广域网可能在秒级。影响其精度最大的因素是网络因素，主要需要计算报文往返时间差，其最大的误差不超过网络延时。利用NTP虽然能同步时间，但是同步时间时很可能发生时间回调，这是我们不愿意看到的。
snowflake算法延伸
有没有办法解决snowflake算法中时间回调这一缺陷呢？有这么几种可能的解决办法，其中的一个解决办法其主要思想是如果时间发生回调，就更改机器workid，这个workid是单独一个集合，不与现有的wordid集合有交集。比如，现有机器500台，分配机器ID时全部分配为奇数ID（1,3,5，… , 499），如果某一机器ID时间发生回调，就新分配一个机器ID（如果现有ID是奇数就加1，如果是偶数就减1），这样，即时时间回调，新的机器ID仍能保证唯一性，缺点就是连续发生2次以上回调就无法保证唯一性了。
还可参考美团的解决方案Leaf。