分布式 ID 实测:号段模式 1179 万/秒、Snowflake 274 万/秒,UUIDv7 同毫秒内一半逆序

举报
yd_243452805 发表于 2026/11/14 19:51:45 2026/11/14
【摘要】 四种分布式 ID 方案在同一台机器各生成 100 万条实测:号段模式 1179 万/秒、Snowflake 274 万/秒且严格单调、UUIDv4 81 万/秒、UUIDv7 89 万/秒但同毫秒内约 50% 相邻逆序。附 Snowflake 序列号溢出 4ms 时间戳漂移、时钟回拨 13 次零重复的真实数据,并给出四条选型结论。

一、为什么又测一遍

分布式 ID 的选型讨论里,结论往往停在"Snowflake 有时钟回拨风险"“UUID 无序不能用”。这类判断没错,但缺一样东西:数字。没有数字,就没法判断某个风险在你的量级下是否真的会发生,也没法向同事解释为什么最终选了 A 而不是 B。

本文用同一台机器、同一份代码,对 Snowflake、号段模式、UUIDv4、UUIDv7 四种方案各生成 100 万条 ID,只看三个可量化维度:吞吐、有序性、异常场景下的真实行为。

二、测试环境与方法

Python 3.13.14,单线程,每种方案生成 1,000,000 条,记录总耗时、ID 字符串长度、是否严格单调递增、以及"按字符串排序后的顺序是否等于生成顺序"。最后一项很关键:很多系统把 ID 存成 VARCHAR 再按字典序分页,字典序与生成序不一致时,翻页就会重复或漏数据。

三、吞吐与有序性

方案 100 万条耗时 每秒 字符串长度 严格单调 字典序=生成序
号段模式 0.085 s 11,795,916 13 是 是
Snowflake 0.364 s 2,746,039 19 是 是
UUIDv7 1.115 s 896,460 36 否 否
UUIDv4 1.233 s 811,249 36 否 否

号段模式比 Snowflake 快 4.3 倍,主要因为它没有时间戳运算,只有一个整数自增;UUIDv4 最慢,因为它要调用系统随机源生成 122 位随机数。

四、Snowflake 的两个坑,都有数字

核心位分配是 41 位毫秒时间戳 + 10 位机器号 + 12 位序列号。12 位序列号意味着单机每毫秒最多 4096 个 ID,这就是第一个坑的来源。

我在同一毫秒内连续请求 20,000 个 ID,模拟时钟被冻结的极端情况:结果 20,000 条全部唯一、全部严格单调,但 drift_ms = 4——序列号溢出后,实现把时间戳强行加 1 继续发号,等于提前透支了 4 毫秒的未来时间。如果系统里有依赖"ID 时间戳 ≈ 真实写入时间"的逻辑(比如按时间范围扫描),这 4 毫秒的透支会让边界查询出错。

第二个坑是时钟回拨。我注入一次 -5ms 的回拨并持续运行 10,000 次,共触发 13 次回拨检测,结果 0 重复。做法很简单:一旦发现当前毫秒小于上次毫秒,就把时间戳夹到上次的值,继续自增序列号。代价是这段时间内 ID 的时间戳偏大,但唯一性和单调性都保住了。

def next_id(self, clock):
    ms = clock()
    if ms < self.last_ms:        # 时钟回拨:夹住,不倒退
        self.backwards += 1
        ms = self.last_ms
    if ms == self.last_ms:
        self.seq = (self.seq + 1) & 0xFFF
        if self.seq == 0:        # 序列号溢出:借下一毫秒
            ms = self.last_ms + 1
            self.drift += 1
    else:
        self.seq = 0
    self.last_ms = ms
    return ((ms - EPOCH) << 22) | (self.worker << 12) | self.seq

五、号段模式:快,但代价在数据库往返

号段模式一次向数据库取 1000 个号,内存里自增发完再取下一段。100 万条只需 1000 次取号调用。按每次数据库往返 0.5 ms 估算:逐条取号要 500 秒,号段模式只要 0.5 秒,差 1000 倍,而差距全部来自往返次数,跟 CPU 一点关系都没有。

它的真实约束不是性能,而是"号段浪费":服务重启会丢掉当前号段里未用完的号,ID 出现空洞。对订单号这类要求连续的场景不适用,对主键完全没问题。

六、UUIDv7:毫秒有序不等于单调

UUIDv7 把 48 位毫秒时间戳放到最高位,理论上可按时间排序。实测吞吐 896,460 条/秒,生成的字符串前 12 位十六进制确实是毫秒时间戳,version 位为 7,variant 位为 9。

但 100 万条里,相邻两条逆序的有 499,716 对,接近 50%。原因很直接:每秒 89 万条意味着每毫秒约 900 条,同一毫秒内的 900 条共享相同的时间戳前缀,后 62 位是随机数,顺序自然随机。所以 UUIDv7 只是"毫秒级有序",不能当严格递增序列用;把它当主键能显著减少 B+ 树的随机写,但不要指望它保证同毫秒内的插入顺序。

七、怎么选

  • 单库或分库分表主键、追求写入吞吐:号段模式。13 字符、严格单调、每 1000 条才访问一次数据库。
  • 多机房、不想依赖数据库发号、需要 ID 里带时间信息:Snowflake,但必须显式处理序列号溢出与时钟回拨,并监控 drift 与 backwards 两个计数。
  • 对外暴露、不希望泄露业务量:UUIDv7。36 字符、存储比 BIGINT 贵一倍,但不可枚举,且写入局部性远好于 UUIDv4。
  • UUIDv4 只适合对顺序完全无要求、且写入量不大的场景。

一个容易被忽略的细节:如果 ID 存 VARCHAR 并按字典序分页,Snowflake 的 19 位数字在 19 位以内字典序与数值序一致,超过 19 位或混入字母就会错乱,选型时顺手验证一遍排序行为,比事后改索引便宜得多。

【声明】本内容来自华为云开发者社区博主,不代表华为云及华为云开发者社区的观点和立场。转载时必须标注文章的来源(华为云社区)、文章链接、文章作者等基本信息,否则作者和本社区有权追究责任。如果您发现本社区中有涉嫌抄袭的内容,欢迎发送邮件进行举报,并提供相关证据,一经查实,本社区将立刻删除涉嫌侵权内容,举报邮箱: cloudbbs@huaweicloud.com
  • 点赞
  • 收藏
  • 关注作者

评论(0)

0/1000
抱歉,系统识别当前为高风险访问,暂不支持该操作

全部回复

上滑加载中

设置昵称

在此一键设置昵称,即可参与社区互动!

*长度不超过10个汉字或20个英文字符,设置后3个月内不可修改。

*长度不超过10个汉字或20个英文字符,设置后3个月内不可修改。