Java生成UUID的常用方式，零基础入门到精通，收藏这篇就够了
L4阶段：大模型的微调和私有化部署，我们会更加深入的探讨Transformer架构，学习大模型的微调技术，利用DeepSpeed、Lamam Factory等工具快速进行模型微调；而L3 L4更多的是通过项目实战来掌握大模型的应用开发，针对以上大模型的学习路线我们也整理了对应的学习视频教程，和配套的学习资料。在你已经掌握了大模型技术之后，就需要开始准备面试，我们将提供精心整理的大模型面试题库，涵盖
import java.util.UUID;
public class UUIDGenerator {
public static void main(String[] args) {
//随机生成一个UUID对象
UUID uuid = UUID.randomUUID();
System.out.println("生成的UUID为：" + uuid.toString());
//通过给定的字符串名称和命名空间生成UUID对象
UUID uuid2 = UUID.nameUUIDFromBytes("example_name".getBytes());
System.out.println("生成的UUID2为：" + uuid2.toString());
}
}
/*优点：
Java自带，无需引入额外的库和依赖；
简单易用，一行代码就可以生成UUID。
缺点：
生成的UUID可能会重复，虽然重复的概率较小，但是在高并发的情况下还是有可能发生；
无法控制生成的UUID的格式，只能生成标准的UUID*/
import org.apache.commons.io.UUIDUtils;
public class UUIDGenerator {
public static void main(String[] args) {
//随机生成一个UUID字符串
String uuid = UUIDUtils.randomUUID().toString();
System.out.println("生成的UUID为：" + uuid);
}
}
/*
三方库优缺点
优点：
可以生成唯一的UUID；
很多开源库和框架都提供了UUID生成的支持。
缺点：
会增加项目的依赖和复杂度；
不同的库实现方式不同，可能会影响生成的UUID的格式和唯一性。
*/
import com.google.inject.Inject;
import com.google.inject.name.Named;
import java.util.UUID;
public class UUIDGenerator {
private final UUID uuid;
@Inject
public UUIDGenerator(@Named("randomUUID") UUID uuid) {
this.uuid = uuid;
}
public UUID getUUID() {
return uuid;
}
public static void main(String[] args) {
UUIDGenerator generator = new UUIDGenerator(UUID.randomUUID());
System.out.println("生成的UUID为：" + generator.getUUID().toString());
}
}
写法一：
import java.security.MessageDigest;
import java.security.NoSuchAlgorithmException;
import java.security.SecureRandom;
import java.util.UUID;
public class UUIDGenerator {
public static void main(String[] args) throws NoSuchAlgorithmException {
SecureRandom secureRandom = new SecureRandom();
byte[] seed = secureRandom.generateSeed(16);
MessageDigest md5 = MessageDigest.getInstance("MD5");
md5.update(seed);
UUID uuid = UUID.nameUUIDFromBytes(md5.digest());
System.out.println("生成的UUID为：" + uuid.toString());
}
}
写法二：
import java.security.MessageDigest;
import java.security.NoSuchAlgorithmException;
import java.util.Random;
public class UUIDGenerator {
public static String generateUUID() {
String result = "";
try {
MessageDigest md = MessageDigest.getInstance("MD5");
byte[] messageDigest = md.digest((System.currentTimeMillis() + new Random().nextInt(99999999) + "").getBytes());
StringBuilder sb = new StringBuilder();
for (byte b : messageDigest) {
sb.append(String.format("%02x", b));
}
result = sb.toString();
} catch (NoSuchAlgorithmException e) {
e.printStackTrace();
}
return result;
}
}
/*
优点：
可以通过Hash算法和随机数生成唯一的UUID，具有较高的唯一性；
实现简单，无需引入额外的库和依赖。
缺点：
重复的概率比较难以预测，取决于生成的Hash值的分布情况；
无法控制生成的UUID的格式，只能生成基于MD5或SHA-1的UUID。
*/
Snowflake算法是Twitter开源的分布式ID生成算法，可以在多个节点上生成唯一的ID
import com.github.f4b6a3.uuid.UuidCreator;
import com.github.f4b6a3.uuid.enums.UuidVariant;
import com.github.f4b6a3.uuid.enums.UuidVersion;
import com.github.f4b6a3.uuid.impl.TimeBasedUuidCreator;
import java.time.Instant;
public class UUIDGenerator {
public static void main(String[] args) {
UuidCreator creator = TimeBasedUuidCreator.withRandomNodeId();
Instant now = Instant.now();
long timestamp = now.getEpochSecond() * 1000 + now.getNano() / 1000000;
String uuid = creator.create(UuidVersion.VERSION_TIME_BASED, timestamp).toString();
System.out.println("生成的UUID为：" + uuid);
}
}
/*
优点：
可以在分布式系统中生成唯一的ID，具有较高的唯一性和可读性；
可以控制生成的ID的格式和信息。
缺点：
实现相对复杂，需要实现一个全局唯一的时钟服务；
只适用于分布式系统，不适用于独立的单机系统。
*/
Snowflake算法第二种:
public class UUIDGenerator {
/** 开始时间截 (2017-01-01) */
private final long twepoch = 1483200000000L;
/** 机器id所占的位数 */
private final long workerIdBits = 5L;
/** 数据标识id所占的位数 */
private final long datacenterIdBits = 5L;
/** 支持的最大机器id，结果是31 */
private final long maxWorkerId = -1L ^ (-1L << workerIdBits);
/** 支持的最大数据标识id，结果是31 */
private final long maxDatacenterId = -1L ^ (-1L << datacenterIdBits);
/** 序列在id中占的位数 */
private final long sequenceBits = 12L;
/** 机器ID向左移12位 */
private final long workerIdShift = sequenceBits;
/** 数据标识id向左移17位(12+5) */
private final long datacenterIdShift = sequenceBits + workerIdBits;
/** 时间截向左移22位(5+5+12) */
private final long timestampLeftShift = sequenceBits + workerIdBits + datacenterIdBits;
/** 生成序列的掩码，这里为4095 */
private final long sequenceMask = -1L ^ (-1L << sequenceBits);
/** 工作机器id(0~31) */
private long workerId = 0L;
/** 数据中心id(0~31) */
private long datacenterId = 0L;
/** 毫秒内序列(0~4095) */
private long sequence = 0L;
/** 上次生成ID的时间截 */
private long lastTimestamp = -1L;
/**
* 构造函数
*
* @param workerId 工作ID (0~31)
* @param datacenterId 数据中心ID (0~31)
*/
public UUIDGenerator(long workerId, long datacenterId) {
if (workerId > maxWorkerId || workerId < 0) {
throw new IllegalArgumentException(String.format("worker Id can't be greater than %d or less than 0", maxWorkerId));
}
if (datacenterId > maxDatacenterId || datacenterId < 0) {
throw new IllegalArgumentException(String.format("datacenter Id can't be greater than %d or less than 0", maxDatacenterId));
}
this.workerId = workerId;
this.datacenterId = datacenterId;
}
/**
* 获得下一个ID (该方法是线程安全的)
*
* @return SnowflakeId
*/
public synchronized long nextId() {
long timestamp = timeGen();
// 如果当前时间小于上一次ID生成的时间戳，说明系统时钟回退过，此时应当抛出异常
if (timestamp < lastTimestamp) {
throw new RuntimeException(
String.format("Clock moved backwards. Refusing to generate id for %d milliseconds", lastTimestamp - timestamp));
}
// 如果是同一时间生成的，则进行毫秒内序列
if (lastTimestamp == timestamp) {
sequence = (sequence + 1) & sequenceMask;
// 毫秒内序列溢出
if (sequence == 0) {
// 阻塞到下一个毫秒,获得新的时间戳
timestamp = tilNextMillis(lastTimestamp);
}
}
// 时间戳改变，毫秒内序列重置
else {
sequence = 0L;
}
// 上次生成ID的时间截
lastTimestamp = timestamp;
// 移位并通过或运算拼到一起组成64位的ID
return ((timestamp - twepoch) << timestampLeftShift) //
| (datacenterId << datacenterIdShift) //
| (workerId << workerIdShift) //
| sequence;
}
/**
* 阻塞到下一个毫秒，直到获得新的时间戳
*
* @param lastTimestamp 上次生成ID的时间截
* @return 当前时间戳
*/
protected long tilNextMillis(long lastTimestamp) {
long timestamp = timeGen();
while (timestamp <= lastTimestamp) {
timestamp = timeGen();
}
return timestamp;
}
/**
* 返回以毫秒为单位的当前时间
*
* @return 当前时间(毫秒)
*/
protected long timeGen() {
return System.currentTimeMillis();
}
}
import java.util.UUID;
public class UUIDGenerator {
public static void main(String[] args) {
long time = System.currentTimeMillis();
int random = (int) (Math.random() * Integer.MAX_VALUE);
UUID uuid = new UUID(time, random);
System.out.println("生成的UUID为：" + uuid.toString());
}
}
import org.redisson.api.RUID;
public class UUIDGenerator {
public static void main(String[] args) {
RUID ruid = RUID.randomUID();
System.out.println("生成的UUID为：" + ruid.toString());
}
}
import java.security.SecureRandom;
import java.util.UUID;
public class UUIDGenerator {
public static String generateUUID() {
return UUID.randomUUID().toString();
}
public static String generateSecureUUID() {
SecureRandom random = new SecureRandom();
byte[] bytes = new byte[16];
random.nextBytes(bytes);
return UUID.nameUUIDFromBytes(bytes).toString();
}
}
三方库详细版
- Apache Commons:
引入以下Maven依赖
<dependency>
<groupId>commons-lang</groupId>
<artifactId>commons-lang</artifactId>
<version>2.6</version>
</dependency>
java示例代码：
import org.apache.commons.lang3.StringUtils;
import java.util.UUID;
public class GenerateUUID {
public static void main(String[] args) {
UUID uuid = UUID.randomUUID();
String uuidStr = StringUtils.remove(uuid.toString(), '-');
System.out.println("UUID：" + uuidStr);
}
}
Google Guava库可以使用它的UUID类来生成UUID。需要引入以下Maven依赖：
<dependency>
<groupId>com.google.guava</groupId>
<artifactId>guava</artifactId>
<version>30.0-jre</version>
</dependency>
java示例:
import com.google.common.base.CharMatcher;
import java.util.UUID;
public class GenerateUUID {
public static void main(String[] args) {
UUID uuid = UUID.randomUUID();
String uuidStr = CharMatcher.is('-').removeFrom(uuid.toString());
System.out.println("UUID：" + uuidStr);
}
}
注意事项
之前提到了 Apache Commons 的 UUIDUtils 工具类，但是这个工具类实际上是用于字符串格式与 UUID 转化的，而不是生成 UUID。
如果你想要使用 Apache Commons 中的工具类来生成 UUID ，可以使用 RandomStringUtils 类中的 randomUUID() 方法。下面是一个简单示例：
import org.apache.commons.lang3.RandomStringUtils;
public class GenerateUUID {
public static void main(String[] args) {
String uuid = RandomStringUtils.randomNumeric(8) + "-" +
RandomStringUtils.randomNumeric(4) + "-" +
RandomStringUtils.randomNumeric(4) + "-" +
RandomStringUtils.randomNumeric(4) + "-" +
RandomStringUtils.randomNumeric(12);
System.out.println("UUID：" + uuid);
}
}
/*
上述代码中，RandomStringUtils的randomNumeric
方法用于生成指定长度的数字字符串，然后通过字符串拼接的方式生成UUID。
需要注意的是，这种方式所生成的UUID并不是符合UUID标准规范的。
*/
Java开发的就业市场正在经历结构性调整，竞争日益激烈
传统纯业务开发岗位（如仅完成增删改查业务的后端工程师）的需求，特别是入门级岗位，正显著萎缩。随着企业技术需求升级，市场对Java人才的要求已从通用技能转向了更深入的领域经验（如云原生、微服务）或前沿的AI集成能力。这也导致岗位竞争加剧，在一、二线城市，求职者不仅面临技术内卷，还需应对学历与项目经验的高门槛。
大模型为核心的AI领域正展现出前所未有的就业热度与人才红利
2025年，AI相关新发岗位数量同比激增543%，单月增幅最高超过11倍，大模型算法工程师位居热门岗位前列。行业顶尖人才的供需严重失衡，议价能力极强，跳槽薪资涨幅可达30%-50%。值得注意的是，市场并非单纯青睐算法研究员，而是急需能将大模型能力落地于复杂业务系统的工程人才。这使得具备企业级架构思维和复杂系统整合经验的Java工程师，在向“Java+大模型”复合人才转型时拥有独特优势，成为企业竞相争夺的对象，其薪资天花板也远高于传统Java岗位。
说真的，这两年看着身边一个个搞Java、C++、前端、数据、架构的开始卷大模型，挺唏嘘的。大家最开始都是写接口、搞Spring Boot、连数据库、配Redis，稳稳当当过日子。
结果GPT、DeepSeek火了之后，整条线上的人都开始有点慌了，大家都在想：“我是不是要学大模型，不然这饭碗还能保多久？”
先给出最直接的答案：一定要把现有的技术和大模型结合起来，而不是抛弃你们现有技术！掌握AI能力的Java工程师比纯Java岗要吃香的多。
即使现在裁员、降薪、团队解散的比比皆是……但后续的趋势一定是AI应用落地！大模型方向才是实现职业升级、提升薪资待遇的绝佳机遇！
如何学习AGI大模型？
作为一名热心肠的互联网老兵，我决定把宝贵的AI知识分享给大家。 至于能学习到多少就看你的学习毅力和能力了 。我已将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。
因篇幅有限，仅展示部分资料，需要点击下方链接即可前往获取
2025最新版CSDN大礼包：《AGI大模型学习资源包》免费分享**
一、2025最新大模型学习路线
一个明确的学习路线可以帮助新人了解从哪里开始，按照什么顺序学习，以及需要掌握哪些知识点。大模型领域涉及的知识点非常广泛，没有明确的学习路线可能会导致新人感到迷茫，不知道应该专注于哪些内容。
我们把学习路线分成L1到L4四个阶段，一步步带你从入门到进阶，从理论到实战。
L1级别:AI大模型时代的华丽登场
L1阶段：我们会去了解大模型的基础知识，以及大模型在各个行业的应用和分析；学习理解大模型的核心原理，关键技术，以及大模型应用场景；通过理论原理结合多个项目实战，从提示工程基础到提示工程进阶，掌握Prompt提示工程。
L2级别：AI大模型RAG应用开发工程
L2阶段是我们的AI大模型RAG应用开发工程，我们会去学习RAG检索增强生成：包括Naive RAG、Advanced-RAG以及RAG性能评估，还有GraphRAG在内的多个RAG热门项目的分析。
L3级别：大模型Agent应用架构进阶实践
L3阶段：大模型Agent应用架构进阶实现，我们会去学习LangChain、 LIamaIndex框架，也会学习到AutoGPT、 MetaGPT等多Agent系统，打造我们自己的Agent智能体；同时还可以学习到包括Coze、Dify在内的可视化工具的使用。
L4级别：大模型微调与私有化部署
L4阶段：大模型的微调和私有化部署，我们会更加深入的探讨Transformer架构，学习大模型的微调技术，利用DeepSpeed、Lamam Factory等工具快速进行模型微调；并通过Ollama、vLLM等推理部署框架，实现模型的快速部署。
整个大模型学习路线L1主要是对大模型的理论基础、生态以及提示词他的一个学习掌握；而L3 L4更多的是通过项目实战来掌握大模型的应用开发，针对以上大模型的学习路线我们也整理了对应的学习视频教程，和配套的学习资料。
二、大模型经典PDF书籍
书籍和学习文档资料是学习大模型过程中必不可少的，我们精选了一系列深入探讨大模型技术的书籍和学习文档，它们由领域内的顶尖专家撰写，内容全面、深入、详尽，为你学习大模型提供坚实的理论基础。（书籍含电子版PDF）
三、大模型视频教程
对于很多自学或者没有基础的同学来说，书籍这些纯文字类的学习教材会觉得比较晦涩难以理解，因此，我们提供了丰富的大模型视频教程，以动态、形象的方式展示技术概念，帮助你更快、更轻松地掌握核心知识。
四、大模型项目实战
学以致用 ，当你的理论知识积累到一定程度，就需要通过项目实战，在实际操作中检验和巩固你所学到的知识，同时为你找工作和职业发展打下坚实的基础。
五、大模型面试题
面试不仅是技术的较量，更需要充分的准备。
在你已经掌握了大模型技术之后，就需要开始准备面试，我们将提供精心整理的大模型面试题库，涵盖当前面试中可能遇到的各种技术问题，让你在面试中游刃有余。
因篇幅有限，仅展示部分资料，需要点击下方链接即可前往获取
有“AI”的1024 = 2048，欢迎大家加入2048 AI社区
更多推荐
20
0- 0
已为社区贡献271条内容
所有评论(0)