在系统中生成ID的方式有很多种，现在简单分析一下各种方式的适用场景以及优缺点。
1. UUID. 唯一性，在单体环境下或者分布式环境下都不会出现重复。但是UUID的劣势也是一大堆
a.没有可读性，导致程序在调试的时候数据不直观，不能像整型ID一样直观的看到大致运行到了哪条记录，如果比对两条数据，也不能很快看出谁先谁后。
b. 32位字符串太长，占用数据库资源。
c. 在对主键进行索引的时候，32位字符串进行索引要比整型数据进行索引费事，而且如果使用UUID作为主键并进行了索引，因为需要维护数据库的字符串索引，那么增删改的速度会降低。
2. 数据库自增ID. 这是大部分系统中所用的ID生成方式。简单易用，索引效率高。但是一旦涉及到大数据量的分库分表，会出现ID重复的问题。比如说电商网站的订单数据量很大，用两个结构相同的数据库实例A跟B来存储订单数据，A跟B中的表结构也相同。两者订单ID都设置为自增。在没有任何策略的情况下，订单1存入A库，订单2存入B库，这时候两个订单的ID有可能出现重复，因为A跟B在数据库这一层没有直接的关系，各自为战。A根本不知道B的主键自增情况，B也不知道A的情况。
解决办法就是设置指定的步长与初始参数。假如有3个数据库A,B,C来分担数据，那么步长都设置为3，初始值设置为1,2,3. 这样，无论3个数据库各自怎么自增，都不会出现重复现象。
但是这个带来了扩展性的问题。当数据量加大而想要再增加一个数据库D的时候，就显得非常困难。这时候是不能再简单的设置D一个初始值，因为这样会道来数据重复。解决办法就是数据迁移，然后重新分配初始值与步长。而且这样做需要停止正常业务。
3. 依赖于Redis产生ID. 这是大部分电商网站都使用的方式。Redis是内存操作，速度快，单线程并且能支持高并发，能很好的应对分布式环境。产生方式就是利用键值对的increment操作，key设置为orderId, 每次需要新的ID就在这个键值对上对value加1.
这里有个技巧，就是把最终ID分为两部分，利用当天的时间作为前缀，Redis产生的值作为后缀。如果没有前缀的话，Redis键值对的value产生的ID会越来越大，不好维护。如果用时间作为前缀，比如2020010614(2020-01-06 14:00), 达到指定timeout时间后，比如60分钟，键值对的value就会重新从0开始。因为这时候前缀的值已经变了，所以后缀重复了，但最终的整体ID是不重复的。具体的实现逻辑如下代码。
此外，可以在生成的id中加入业务标识，组装成更具体的ID. 以天猫的订单号为例，同一个账户的不同订单，最后都有一个2043标识。这个标识类似于用户的哈希值，在分布式环境或者分布式数据库中，对于路由至关重要。举个例子，在处理该用户的订单的时候，后台有N个负载均衡的数据库实例， 这时候通过一定的路由算法，会把结尾是2043的订单都路由到实例B数据库中，因为那里存着该用户的所有详细数据，存取数据性能很高。
