开发者学堂课程【全面讲解开源数据库中间件 MyCat 使用及原理（四）：MyCat - 日志模块 - 日志表的 ID 生成分析】学习笔记，与课程紧密联系，让用户快速学习知识。
课程地址：https://developer.aliyun.com/learning/course/758/detail/13322
MyCat - 日志模块 - 日志表的 ID 生成分析
内容介绍：
一、日志表的 ID 生成分析
二、分布式 ID 生成
一、日志表的 ID 生成分析
对于插入日志，需要向表结构中插入一条数据。
在插入数据前，先要分析 id 的内容，该 id 设置的不是组件自增
1.分析：
为什么 tb_operatelog 这种表设置的不是组件自增？
原因是这张表将来的数据量可能会很大，这张表存储的是操作日志，操作日志随时间的累计数据量会非常大（大到一个服务器的磁盘存储不下）。这时需要考虑到扩容，就要使用到 MyCat 对该块数据库表进行分片。也就是说这张表到最后需要进行水平拆分，可能会拆分为多张表。假如这张表被拆分为两张表，tb_operatelog 被拆分到两个数据库中，两个数据库中都有这张表，并且表结构相同，但是其中存储的数据不同。
如果将该表的组件设置为组件自增（都从 1 开始），则两个数据库都从 1 开始自增，发现组件冲突。不同的数据库中存储不同的数据，表结构相同，最终出现组件冲突。
所以不能使用组件自增。
二、分布式 ID 生成
既然不能使用组件自增，则要如何生产该组件，并且要保证不会出现重复的 id？
方式较多，可以使用 UUID，也可以借助于 Redis。
这里推荐一种分布式 ID 的生成算法
1. snowflake（雪花算法）
snowflake 是 Twitter 开源的分布式 ID 生成算法，结果是一个 long 型的 ID。（能够保证在分布式集群环境下，不会出现重复的 id ）
2.核心思想∶
使用 41bit 作为毫秒数，10bit 作为机器的 ID ( 5 个 bit 是数据中心，5 个 bit 的机器 ID )，12bit 作为毫秒内的流水号(意味着每个节点在每毫秒可以产生 4096 个 ID)，最后还有一个符号位，永远是 0 ;
3.如何实现
Twitter 提供的 snowflake 算法是由 64 位二进制组成的，64 位二进制分为 5 个部分组成。第一位是不用的，永远是 0。第二位是表的时间戳（是毫秒值，仅仅提供毫秒值是不行的，因为同一个毫秒中可能要生成多个 id ），为了解决在同一个毫秒内也可能会产生多个 id 的情况，引入了最后 12 位的序列号（在一个毫秒内要生成多个 id，前面的毫秒值不同，后面的序列号也不同，会自增生成序列号）。
这样可以解决同一个毫秒值内通过序列号进行区分。
但是在集群环境下多态机器，同一个毫秒值多态机器都从某一个值开始向上自增，则有可能其序列号和毫秒值都相同。
所以在雪花算法中又引入了工作机器 id，机器工作 id 实际上分为两个部分，第一个五位和第二个五位，第一个五位代表机器 id，第二个五位表示数据中心的 id。
通过机器 id 和数据中心的 id 来进行区分，再去生成 id 时需要指定机器 id 和数据中心 id ，从而区分不同的服务器。机器 id 和数据中心 id 的取值分别从 0 到 31、3到 31。（从 0-31 的原因：五个二进制位就是 2 的 5 次方，2 的 5 次方是 32，所以从0-31）
通过机器 id 和数据中心的 id 来区分或者生成不同的 id ，即使在集群环境下也不会出现重复的 id 。能够支持的集群容量是 1024（32*32）台服务器，能够保证在集群数量在 1024 台之内不出现重复的 id 。
4.使用方式：
//构造 Idworker
Idworker idworker=new Idworker (1,1);
//0-31 , 0-31，（1，1）表示数据中心的 id 和机器 id
for (int i=0 ; i<10000 ;i++){
long id = idworker . nextId();
System.out.println(id);
}
要在日志模块中使用，则需要引入 Idworker
这里已经引入：
要在 v_service_log 中使用，需要将 pom.xml 引入
最好让 Idworker 不用每次都创建（new），交给 Spring 容器管理，所以进行如下配置：
@Bean
public IdWorker idworker(){
return new IdWorker(workerId:0,datacenterId:0)
}
对于 Bean 注解，其含义为将当前方法的返回值作为 Spring 容器中的 Bean 存在。
在后续的插入日志中，直接注入该 IdWorker 即可。
