mybatis-plus 主键策略 mybatis-plus主键生成策略

MP 支持多种主键策略 默认是推特的“” 雪花算法“” ，也可以设置其他策略下面我演示主键策略使用

MP的主键定义在一个一个枚举类中 源码如下

public enum IdType {
  AUTO(0),//数据库自增 依赖数据库
  NONE(1),// 表示该类型未甚至主键类型 （如果没有主键策略）默认根据雪花算法生成
  INPUT(2),//用户输入ID（该类型可以通过自己注册填充插件进行填充）
　　//下面这三种类型,只有当插入对象id为空时 才会自动填充。
  ID_WORKER(3),//全局唯一（idWorker）数值类型
  UUID(4),//全局唯一（UUID）
  ID_WORKER_STR(5);//全局唯一（idWorker的字符串表示）

  private final int key;

  private IdType(int key) {
    this.key = key;
  }

  public int getKey() {
    return this.key;
  }
}

1，局部主键策略实现

在实体类中 ID属性加注解

@TableId(type = IdType.AUTO) 主键自增 数据库中需要设置主键自增
private Long id;
@TableId(type = IdType.NONE) 默认 跟随全局策略走
private Long id;
@TableId(type = IdType.UUID) UUID类型主键
private Long id;
@TableId(type = IdType.ID_WORKER) 数值类型 数据库中也必须是数值类型 否则会报错
private Long id;
@TableId(type = IdType.ID_WORKER_STR) 字符串类型  数据库也要保证一样字符类型
private Long id;
@TableId(type = IdType.INPUT) 用户自定义了 数据类型和数据库保持一致就行
private Long id;

2，全局主键策略实现

 需要在application.yml文件中

添加

mybatis-plus:
 mapper-locations:
  - com/mp/mapper/*
 global-config:
  db-config:
   id-type: uuid/none/input/id_worker/id_worker_str/auto  表示全局主键都采用该策略（如果全局策略和局部策略都有设置，局部策略优先级高）

  Mybatis-Plus中另外的几种主键生成策略

 1、分布式系统中主键的生成策略

​ 在分布式系统中，常见的主键生成策略有以下几种：

1.1 数据库自增长序列或字段

​ 最常见的方式。利用数据库，全数据库唯一。

​ 优点：

​ 1）简单，代码方便，性能可以接受。

​ 2）数字ID天然排序，对分页或者需要排序的结果很有帮助。

​ 缺点：

​ 1）不同数据库语法和实现不同，数据库迁移的时候或多数据库版本支持的时候需要处理。

​ 2）在单个数据库或读写分离或一主多从的情况下，只有一个主库可以生成。有单点故障的风险。

​ 3）在性能达不到要求的情况下，比较难于扩展。

​ 4）如果遇见多个系统需要合并或者涉及到数据迁移会相当痛苦。

​ 5）分表分库的时候会有麻烦。

​ 优化方案：

​ 针对主库单点，如果有多个Master库，则每个Master库设置的起始数字不一样，步长一样，可以是Master的个数。比如：Master1 生成的是 1，4，7，10，Master2生成的是2,5,8,11 Master3生成的是 3,6,9,12。这样就可以有效生成集群中的唯一ID，也可以大大降低ID生成数据库操作的负载。类似于Redis的生成策略

1.2 UUID

​ 常见的方式。可以利用数据库也可以利用程序生成，一般来说全球唯一。

​ 优点：

​ 1）简单，代码方便。

​ 2）生成ID性能非常好，基本不会有性能问题。

​ 3）全球唯一，在遇见数据迁移，系统数据合并，或者数据库变更等情况下，可以从容应对。

 缺点：

​ 1）没有排序，无法保证趋势递增。

​ 2）UUID往往是使用字符串存储，查询的效率比较低。

​ 3）存储空间比较大，如果是海量数据库，就需要考虑存储量的问题。

​ 4）传输数据量大

​ 5）可读性差

1.3 UUID to Int64

​ UUID的变种：解决了UUID可读性差和无序的问题

1.4 Redis生成ID

​ 当使用数据库来生成ID性能不够要求的时候，我们可以尝试使用Redis来生成ID。这主要依赖于Redis是单线程的，所以也可以用生成全局唯一的ID。可以用Redis的原子操作 INCR和INCRBY来实现。

​ 可以使用Redis集群来获取更高的吞吐量。假如一个集群中有5台Redis。可以初始化每台Redis的值分别是1,2,3,4,5，然后步长都是5。各个Redis生成的ID为：

​ A：1,6,11,16,21

​ B：2,7,12,17,22

​ C：3,8,13,18,23

​ D：4,9,14,19,24

​ E：5,10,15,20,25

​ 这个，随便负载到哪个机确定好，未来很难做修改。但是3-5台服务器基本能够满足器上，都可以获得不同的ID。但是步长和初始值一定需要事先需要了。使用Redis集群也可以方式单点故障的问题。

​ 另外，比较适合使用Redis来生成每天从0开始的流水号。比如订单号=日期+当日自增长号。可以每天在Redis中生成一个Key，使用INCR进行累加。

​ 优点：

​ 1）不依赖于数据库，灵活方便，且性能优于数据库。

​ 2）数字ID天然排序，对分页或者需要排序的结果很有帮助。

​ 缺点：

​ 1）如果系统中没有Redis，还需要引入新的组件，增加系统复杂度。

​ 2）需要编码和配置的工作量比较大。

1.5 Twitter的snowflake算法 （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。其核心思想是：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。具体实现的代码可以参看https://github.com/twitter/snowflake。

​ snowflake算法可以根据自身项目的需要进行一定的修改。比如估算未来的数据中心个数，每个数据中心的机器数以及统一毫秒可以能的并发数来调整在算法中所需要的bit数。

​ 优点：

​ 1）不依赖于数据库，灵活方便，且性能优于数据库。

​ 2）ID按照时间在单机上是递增的。

​ 缺点：

​ 1）在单机上是递增的，但是由于涉及到分布式环境，每台机器上的时钟不可能完全同步，也许有时候也会出现不是全局递增的情况。

​ MP中的ID_WORKER就是使用的这种算法

1.6 zookeeper生成唯一ID

​ zookeeper主要通过其znode数据版本来生成序列号，可以生成32位和64位的数据版本号，客户端可以使用这个版本号来作为唯一的序列号。
​ 很少会使用zookeeper来生成唯一ID。主要是由于需要依赖zookeeper，并且是多步调用API，如果在竞争较大的情况下，需要考虑使用分布式锁。因此，性能在高并发的分布式环境下，也不甚理想。

1.7 MongoDB的ObjectId

​ MongoDB的ObjectId和snowflake算法类似。它设计成轻量型的，不同的机器都能用全局唯一的同种方法方便地生成它。MongoDB 从一开始就设计用来作为分布式数据库，处理多个节点是一个核心要求。使其在分片环境中要容易生成得多。