前阵子做一个数据迁移项目,碰到一个特别实际的需求:存量表里好几百万条数据没有业务ID,要批量补上雪花算法生成的全局唯一ID。问题是应用层的发号器早就下线了,代码也不想为了这一次性需求重新发版。我当时的念头是——能不能直接在MySQL的SQL层把雪花ID算出来,跑一条UPDATE或者INSERT SELECT就把ID补齐。折腾了几天,方案踩通了,也踩了不少坑。这篇文章就把完整的实现思路、SQL代码和踩坑记录整理出来,给同样有补数、初始化、ETL场景需求的同学做个参考。
这套方案适合谁?数据开发、DBA、偏后端的同学应该都用得上。尤其是你在做历史数据回填、造测试数据、写存储过程、或者用Kettle这类ETL工具不想额外写代码的时候,直接用一条SQL生成雪花ID会顺手很多。原理不复杂,核心就是位运算,但里面有不少MySQL特有的细节,不注意就会生成重复ID或者负数ID。
1. 为什么要把雪花ID生成搬进SQL里
1.1 应用层生成ID很常见,但依然有缺口
现在主流雪花ID实现都是Java、Go、Python这些语言里封装好的组件,比如MyBatis-Plus的IdWorker、Python的snowflake库。应用层生成ID的优势很明显:语言层面可以轻松维护状态,比如记录上一次的毫秒时间戳、当前序列号、机器ID,碰到时间回拨还能做出复杂的容错策略。
但现实工作中总有几个场景绕不开SQL生成这个需求。
第一类是历史数据回填。业务早期表结构设计不规范,主键用的是自增ID,后来引入雪花ID作为业务主键,结果存量数据没有雪花ID。这时候应用层的老接口可能已经下线了,重新部署一个发号服务只为了跑一次数据修正,成本太高。第二类是数据初始化与测试环境造数。我需要快速造出一个符合业务规则的ID,但手头没有可用的应用项目。第三类是存储过程和触发器场景。你在数据库里直接写了一段业务逻辑,希望在插入时自动生成唯一ID,总不能为了一个字段去依赖外部应用服务。这三种场景下,SQL生成ID不只是替代方案,而是最顺手的选择。
使用SQL生成雪花ID的思路也简单:既然雪花ID本质是一个64位整数,那就把时间戳、机器ID、序列号三部分用位运算拼接起来。MySQL支持左移和按位或,这正好满足需求。序列号用MySQL会话变量来维护,时间戳从系统时间算出来,机器ID自己配置,拼完之后就是一个标准的雪花ID。
1.2 为什么要自己写,而不直接用UUID或者随机数
有人可能会问,为什么不直接UUID或者UUID_SHORT?UUID是一个36位字符串,无序且长度大,直接作为InnoDB主键会造成大量随机IO,索引性能很差。MySQL 8.0之后虽然有UUIDv7,但如果业务系统已经围绕雪花ID做了分库分表路由,UUID的格式对不上,底层存储和二进制转换也很麻烦。UUID_SHORT在MySQL里是64位整数,但它生成规则依赖server_id和time,在多实例或分库场景下仍然会撞,而且时间戳位段不是标准雪花算法格式,跟别的系统对接时解析不出来。
雪花ID的优势是全局有序、趋势递增、64位可以存成BIGINT,而且各部分位段可以自定义解析,能够反解出生成时间。用SQL生成雪花ID,实际上就是把这个通用的生成规则用SQL语法重新实现一遍,确保ID格式和应用层生成的一致,才能和其他系统的ID兼容。
需要模型API调用? 免费领10W Token,多模型网关一键接入 Claude、DeepSeek 等主流模型。
2. 雪花ID的结构拆解与SQL运算基础
2.1 64位里每一位都藏着什么信息
标准雪花算法生成的ID是一个64位long型整数,通常从高位到低位依次分为四段:
| 段位 | 位数 | 作用 | 能表示的范围 |
|---|---|---|---|
| 符号位 | 1 | 固定为0,保证ID为正数 | 不用 |
| 时间戳 | 41 | 毫秒级时间戳与起始纪元的差值 | 约69.7年 |
| 机器ID | 10 | 区分不同节点或进程 | 0~1023 |
| 序列号 | 12 | 同一毫秒内递增,区分同节点同毫秒的多个ID | 0~4095 |
这41位时间戳能撑多长时间取决于你选的起始纪元。如果你用2021年1月1日作为起始点,那么大概可以用到2090年左右。机
