原神UID有人要高价购买？

在原神的广袤世界中，每位冒险者都被赋予一个独特的身份标识——UID（User ID）。这个数字串既是你在游戏中独一无二的身份证明，也承载着无数冒险的记忆。然而，有一个UID格外引人注目——300000000，最近它在原神的世界中诞生，成为了众人瞩目的焦点，因为有人要以高价购买。

查阅资料我们知道，UID不同开头代表不同的含义。

UID服务uid1、2开头官服uid5开头B服、小米服等，国内渠道服都是5开头uid6开头美服uid7开头欧服uid8开头亚服uid9开头港澳服

首先UID是固定的9位数，也就是100000000这样的，前面的1是固定的，所有玩家开头都是这个1，然后剩下的8位数才是注册顺序。比如：100000001，这个就是开服第一位玩家，100000013，这个就是第13位注册玩家。

300000000说明官服已经有2亿用户了！！！

我们先看下UID的生成的策略吧。

系统中UID需要怎么设计呢？

什么是UID?

UID是一个系统内用户的唯一标识（Unique Identifier），唯一标识成为了数字世界中不可或缺的一部分。无论是在数据库中管理记录，还是在分布式系统中追踪实体，唯一标识都是保障数据一致性和可追溯性的关键。为了满足各种需求，各种唯一标识生成方法应运而生。

UID如何设计

UUID模式

UUID （Universally Unique Identifier），通用唯一识别码的缩写。目前UUID的产生方式有5种版本，每个版本的算法不同，应用范围也不同。其中最常见的是基于时间戳的版本（Version 1）和基于随机数的版本（Version 4）。版本1的UUID包含了时间戳和节点信息，而版本4的UUID则是纯粹的随机数生成。

•基于时间的UUID：这个一般是通过当前时间，随机数，和本地Mac地址来计算出来，可以通过 org.apache.logging.log4j.core.util包中的 UuidUtil.getTimeBasedUuid()来使用或者其他包中工具。由于使用了MAC地址，因此能够确保唯一性，但是同时也暴露了MAC地址，私密性不够好。•基于随机数UUID ：这种UUID产生重复的概率是可以计算出来的，但是重复的可能性可以忽略不计，因此该版本也是被经常使用的版本。JDK中使用的就是这个版本。

Java中可通过UUID uuid = UUID.randomUUID();生成。

虽然 UUID 生成方便，本地生成没有网络消耗，但是使用起来也有一些缺点，不易于存储：UUID太长，16字节128位，通常以36长度的字符串表示，很多场景不适用。信息不安全：基于MAC地址生成UUID的算法可能会造成MAC地址泄露，暴露使用者的位置。对MySQL索引不利：如果作为数据库主键，在InnoDB引擎下，UUID的无序性可能会引起数据位置频繁变动，严重影响性能。

表ID自增

将user表的id设置为auto_increment，插入会自动生成ID，将表的主键ID作为UID.

这种方式的优势在于简单易实现，不需要引入额外的中心化服务。但也存在一些潜在的问题，比如数据库的性能瓶颈、数据量大需要分库分表等。

使用redis实现

Redis实现分布式唯一ID主要是通过提供像 INCR 和 INCRBY 这样的自增原子命令，由于Redis自身的单线程的特点所以能保证生成的 ID 肯定是唯一有序的。

但是单机存在性能瓶颈，无法满足高并发的业务需求，所以可以采用集群的方式来实现。集群的方式又会涉及到和数据库集群同样的问题，所以也需要设置分段和步长来实现。

为了避免长期自增后数字过大可以通过与当前时间戳组合起来使用，另外为了保证并发和业务多线程的问题可以采用 Redis + Lua的方式进行编码，保证安全。Redis 实现分布式全局唯一ID，它的性能比较高，生成的数据是有序的，对排序业务有利，但是同样它依赖于redis，需要系统引进redis组件，增加了系统的配置复杂性。当然现在Redis的使用性很普遍，所以如果其他业务已经引进了Redis集群，则可以考虑使用Redis来实现。

号段模式

号段模式是一种常见的分布式ID生成策略，也被称为Segment模式。该模式通过预先分配一段连续的ID范围（号段），并在每个节点上使用这个号段，以减少对全局资源的竞争，提高生成ID的性能。以下是一个简单的号段模式生成分布式ID的步骤：

1.预分配号段： 一个中心化的服务（通常是一个分布式协调服务，比如Zookeeper或etcd）负责为每个节点预分配一段连续的ID号段。这个号段可以是一段整数范围，如[1, 1000]，[1001, 2000]等。

2.本地取ID： 每个节点在本地维护一个当前可用的ID范围（号段）。节点在需要生成ID时，首先使用本地的号段，而不是向中心化的服务请求。这可以减少对中心化服务的压力和延迟。

3.号段用尽时重新申请： 当本地的号段用尽时，节点会向中心化服务请求一个新的号段。中心化服务会为节点分配一个新的号段，并通知节点更新本地的号段范围。

4.处理节点故障： 在节点发生故障或失效时，中心化服务会将未使用的号段重新分配给其他正常运行的节点，以确保所有的ID都被充分利用。

5.定期刷新： 节点可能定期地或在某个条件下触发，向中心化服务查询是否有新的号段可用。这有助于节点及时获取新的号段，避免在用尽号段时的阻塞。

这种号段模式的优点在于降低了对中心化服务的依赖，减少了因为频繁请求中心化服务而产生的性能瓶颈。同时，由于每个节点都在本地维护一个号段，生成ID的效率相对较高。

需要注意的是，号段模式并不保证全局的递增性或绝对的唯一性，但在实际应用中，通过合理设置号段的大小和定期刷新机制，可以在性能和唯一性之间找到一个平衡点。

Snowflake模式

Snowflake是一个经典的号段生成算法，同时市面上存在大量的XXXflake算法.一般用作订单号。主要讲一下Snowflake的原理。

•第1位占用1bit，其值始终是0，可看做是符号位不使用。

•第2位开始的41位是时间戳，41-bit位可表示2^41个数，每个数代表毫秒，那么雪花算法可用的时间年限是(1L<<41)/(1000L360024*365)=69 年的时间。

•中间的10-bit位可表示机器数，即2^10 = 1024台机器，但是一般情况下我们不会部署这么台机器。如果我们对IDC（互联网数据中心）有需求，还可以将 10-bit 分 5-bit 给 IDC，分5-bit给工作机器。这样就可以表示32个IDC，每个IDC下可以有32台机器，具体的划分可以根据自身需求定义。

•最后12-bit位是自增序列，可表示2^12 = 4096个数。

不过Snowflake需要依赖于时钟，可能受到时钟回拨的影响。同时，如果并发生成ID的速度过快，可能导致序列号用尽。

总结

在选择UID生成方法时，需要根据具体的应用场景和需求权衡其优缺点。不同的场景可能需要不同的解决方案，以满足系统的唯一性要求和性能需求。那么你觉得原神的UID是如何生成的呢？如果是你该如何设计呢？