MySQL生产环境分布式主键应选号段模式(如Leaf),因其规避时钟依赖、保障单调递增、降低索引分裂,且DB短暂故障时本地缓存可续用;UUID索引性能差,Snowflake易受时钟回拨和序列溢出影响。

直接说结论:MySQL生产环境选分布式主键,不能只看“能不能用”,而要看写入吞吐是否扛得住、ID是否能被索引高效利用、故障时ID生成是否中断、以及运维成本是否可控。UUID看着省事,但线上查慢、占空间、索引分裂快;Snowflake看着优雅,但机器时钟回拨或ID段耗尽会直接卡住插入;号段模式(如Leaf)折中,但多了一层服务依赖。
为什么AUTO_INCREMENT在分库分表后必然失效
MySQL的AUTO_INCREMENT是单实例强依赖机制。一旦分库,比如订单表拆到order_001和order_002两个库,两个库各自从1开始自增,很快就会出现重复ID。更麻烦的是:auto_increment_offset和auto_increment_increment只能硬编码固定节点数,扩容加新库就得改所有配置,线上不敢动。
- 主从复制延迟下,
LAST_INSERT_ID()可能返回旧值 - 跨库JOIN或归档合并时,ID重复导致数据错位,修复成本极高
- InnoDB聚簇索引按主键物理排序,无序ID(如UUID)引发大量页分裂,IO陡增
Snowflake在MySQL场景下的真实约束
64位整型ID确实友好,但落地时必须直面它的硬限制:timestamp部分只有41位(约69年),machine ID最多1024个(2^10),sequence每毫秒最多4096个(2^12)。这意味着:
安装、修复、更新或打包一个基于 Python 和 PyMySQL 实现的 Windows `mysql` 命令。适用于用户希望在 PowerShell/CMD 中输入 `mysql` 时重定向到 Python 实现、需要交互式输入 MySQL 连接信息、需要同步到当前用户本地 bin 目录,或需要将该能力封装成可公开复用的 Codex skill。
- 服务器时间若回拨超过5ms,
snowflake会直接抛异常或阻塞——线上NTP抖动太常见 - 单机每毫秒超4096次写入(比如批量导入),
sequence溢出,要么丢数据要么降级成等待 - 你得自己维护
datacenter ID和worker ID分配逻辑,K8s动态扩缩容时容易重复或遗漏 - MySQL里存成
BIGINT UNSIGNED,但JDBC默认把高位为1的long当负数处理,不显式指定unsigned=true会出错
号段模式(如Leaf)为什么更适合高可靠生产环境
Leaf这类方案本质是“预取+本地缓存”,比如一次从DB取1000个ID(max_id=100000),用到99900时再异步续取。它规避了Snowflake的时钟敏感问题,也比UUID节省存储。
- DB号段表只需极简结构:
business_tag+max_id+step,更新用UPDATE ... SET max_id = max_id + step WHERE max_id = ?,靠CAS保证原子性 - 即使DB短暂不可用,本地缓存还能撑一阵;恢复后自动重连续取,不中断业务
- ID严格单调递增,B+树索引几乎零分裂,
ORDER BY id DESC LIMIT 20这种查询依然飞快 - 缺点是引入一个中间服务,需监控号段余量(低于20%要告警)、避免号段过长导致ID跳变过大(比如step设成10万,重启后ID直接+10万)
别忽略MySQL侧的配合改造
再好的ID生成策略,如果MySQL表结构或SQL写法没对齐,照样拖垮性能:
- 主键必须定义为
BIGINT UNSIGNED NOT NULL PRIMARY KEY,否则Snowflake/Leaf生成的正数可能被截断 - 禁止在业务SQL里用
SELECT MAX(id)来“猜”下一个ID——这在并发下必然错,且锁表 - 如果用了ShardingSphere,确认
sharding-key和分布式主键生成器绑定正确,否则路由错片 - 备份恢复时,号段表的
max_id必须同步导出,否则恢复后ID重复
最常被忽略的一点:ID生成策略不是一次性配置,而是要随业务节奏演进。比如初期用UUID快速上线,等日订单量破50万后再切Leaf;或者先用Snowflake但把sequence长度从12位扩到16位以支撑更高QPS。关键不是选“最好”的,而是选“当前能兜住、未来好切走”的。

















