【Java进阶篇】什么是UUID，能不能保证唯一？

??典型解析

UUID(Universally Unique ldentifier)全局唯一标识符，是指在一台机器上生成的数字，它的目标是保证对在同一时空中的所有机器都是唯一的。

UUID 的生成是基于一定算法，通常使用的是随机数生成器或者基于时间戳的方式，生成的 UUID 由32位16讲制数表示，共有 128 位(标准的UUID格式为: xxxxxxxx-xxxx-xxxx-xxxx-xxxxxxxxxxxx(8-4-4-4-12)，共32个字符)。

由于 UUID 是由 MAC 地址、时间戳、随机数等信息生成的，因此 UUID 具有极高的唯一性，可以说是几乎不可能重复，但是在实际实现过程中，UUID有多种实现版本，他们的唯一性指标也不尽相同。

UUID在具体实现上，有多个版本，有基于时间的UUID V1，基于随机数的 UUID V4 等。

Java中的 java.util.UUID 生成的UUID是V3和V4两种：

??优缺点

UUID的优点就是他的性能比较高，不依赖网络，本地就可以生成，使用起来也比较简单。


但是他也有两个比较明显的缺点，那就是长度过长和没有任何含义。长度自然不必说，他有32位16进制数字。对于"550e8400-e29b-41d4-a716-446655440000" 这个字符由来说，我想任何一个程序员都看不出其表达的含义。一旦使用它作为全局唯一标识，就意味着在日后的问题排查和开发调试过程中会遇到很大的困难。

??各个版本实现

??V1.基于时间戳的UUID

基于时间的 UUID 通过计算当前时间戳、随机数和机器MAC地址得到。由于在算法中使用了MAC地址，这个版本的UUID可以保证在全球范围的唯一性。

但与此同时，使用MAC地址会带来安全性问题，这就是这个版本UUID受到批评的地方。如果应用只是在局域网中使用，也可以使用退化的算法，以IP地址来代替MAC地址。

import java.util.UUID;

public class Main {
    public static void main(String[] args) {
        long timestamp = System.currentTimeMillis();
        UUID uuid = UUID.nameUUIDFromBytes(Long.toString(timestamp).getBytes());
        System.out.println(uuid);
    }
}

在这个例子中，我们首先获取当前的时间戳（以毫秒为单位），然后将其转换为字符串。然后，我们将这个字符串转换为一个字节数组，并使用这个字节数组来生成一个 UUID。最后，我们打印出这个 UUID 。

然而，这个方法并不是基于时间戳生成唯一的 UUID ，因为UUID的生成是基于随机数和时间戳的。如果你需要基于时间戳生成唯一的UUID，你可能需要使用其他的方法，比如使用java.nio.file.attribute.FileTime类来获取一个更精确的时间戳，然后将其转换为UUID。

??V2.DCE(Distributed Computing Environment)安全的UUID

和基于时间的UUID算法相同，但会把时间戳的前4位置换为POSIX的UID或GID，这个版本的UUID在实际中较少用到。

??V3.基于名称空间的UUID(MD5)

基于名称的 UUID 通过计算名称和名称空间的 MD5 散列值得到。

这个版本的 UUID 保证了: 相同名称空间中不同名称生成的 UUID 的唯一性;不同名称空间中的 UUID 的唯一性;相同名称空间中相同名称的 UUID 重复生成得到的结果是相同的

??V4.基于随机数的UUID

根据随机数，或者伪随机数生成 UUID 。该版本 UUID 采用随机数生成器生成，它可以保证生成的 UUID 具有极佳的唯一性。但是因为基于随机数的，所以，并不适合数据量特别大的场景。

??V5.基于名称空间的UUID(SHA1)

和版本3的UUID算法类似，只是散列值计算使用SHA1(Secure Hash Algorithm 1)算法。

??各个版本总结

可以简单总结一下，Version 1 和 Version 2 这两个版本的UUID，主要基于时间和MAC地址，所以比较适合应用于分布式计算环境下，具有高度唯一性。


Version 3 和 Version 5 这两种 UUID 都是基于名称空间的，所以在一定范围内是唯一的，而且如果有需要生成重复 UUID 的场景的话，这两种是可以实现的。


Version 4 这种是最简单的，只是基于随机数生成的，但是也是最不靠谱的。适合数据量不是特别大的场景下。