Generatore UUID

Che cos’è un UUID e che cosa garantisce

Un UUID è un identificatore che puoi generare senza chiedere il permesso a nessuno. La proposta è tutta lì: nessun contatore centrale, nessun coordinamento tra server, nessun viaggio al database per sapere qual è il prossimo id. Due macchine che non si sono mai parlate possono coniare id tutto il giorno senza collidere mai, ed è questo che rende gli UUID la chiave predefinita per tutto ciò che è distribuito, funziona offline o viene unito dopo.

La garanzia è probabilistica, non assoluta. Con 122 bit casuali gli UUID versione 4 possibili sono circa 5,3×10^36; bisognerebbe generarne attorno a 2,7×10^18 prima che la probabilità di una sola collisione arrivi al 50%. A un milione di id al secondo fanno circa ottantacinquemila anni. Non è impossibile: è solo che non è mai la cosa che si rompe.

Versione 4 o versione 7

• Versione 4: casuale quella che quasi tutti intendono dicendo «un UUID». Casualità pura, nessuna informazione su quando o dove è stato creato, e quindi niente che l’id stesso riveli. La scelta predefinita per un identificatore pubblico.
• Versione 7: ordinata nel tempo prima un timestamp in millisecondi, poi la casualità. Standardizzata nella RFC 9562 nel 2024, ed è la scelta migliore per una chiave primaria.
• Perché l’ordine conta un indice B-tree scrive le righe nuove dove cade la chiave. Chiavi casuali spargono le scritture su tutto l’indice e continuano a sfrattare pagine dalla cache; chiavi ordinate nel tempo accodano in fondo. Su una tabella grande quella differenza si vede nel ritmo di inserimento e nella dimensione dell’indice.
• Cosa rivela la v7 il proprio istante di creazione, a chiunque sappia leggerla. Di solito va benissimo per una chiave interna ed è una cattiva idea per qualcosa che un estraneo può enumerare.
• Le versioni 1, 3 e 5 la v1 è tempo più indirizzo MAC della macchina, e rivela l’identità dell’hardware; la v3 e la v5 sono hash di un nome in uno spazio di nomi, per ricavare lo stesso id dallo stesso input. Qui non si generano, ma l’ispettore le legge correttamente.

I dettagli pratici che fanno male

Conservare un UUID come testo è l’errore evitabile più comune. Come stringa di 36 caratteri costa 36 byte e si confronta carattere per carattere; come 16 byte grezzi, uuid in Postgres, BINARY(16) in MySQL, costa 16 e si confronta come due parole macchina. Su una tabella da qualche milione di righe e un paio di indici la differenza si misura in gigabyte.

Maiuscole e parentesi graffe sono formattazione, non identità. 123E4567-E89B-… e 123e4567-e89b-… sono lo stesso UUID, e lo è anche lo stesso valore avvolto nelle graffe come lo scrivono gli strumenti Windows. La forma canonica nella RFC 9562 è minuscola con i trattini, quindi è quella da conservare; il resto si accetta in ingresso e si normalizza.

E il nil UUID, tutti zeri, è valido, cosa che sorprende. È un UUID legittimo con versione 0, ed è il valore che esce quando viene scritto un campo non inizializzato. Se lo trovi nei tuoi dati, qualcosa ha usato un default invece di generare.

Quando qualcosa sembra sbagliato

• Tutti gli id cominciano con gli stessi caratteri è normale nella versione 7: quel prefisso è il timestamp, condiviso da tutto ciò che è stato generato nello stesso millisecondo. Nella versione 4 vorrebbe dire sorgente casuale rotta.
• L’ispettore dice versione 0 è il nil UUID, o un valore che non è mai stato generato davvero come UUID. Controlla chi l’ha scritto.
• L’ispettore rifiuta una stringa di 32 caratteri un UUID senza trattini è un formato di archiviazione comune ma non quello canonico. Aggiungi i trattini, o incollalo in uno strumento che si aspetta la forma compatta.
• Due id sono identici in pratica significa che uno è stato copiato, o che è stato usato un generatore pseudocasuale con seme invece di uno crittografico. Math.random in un ciclo può ripetersi; getRandomValues no.
• Un database lo rifiuta di solito è una colonna CHAR(36) che riceve la forma con graffe o in maiuscolo, o una colonna uuid che riceve quella senza trattini. Normalizza prima di scrivere.

Il vocabolario vicino

• GUID il nome che Microsoft dà allo stesso identificatore da 128 bit. Stessa cosa, scrittura diversa, e storicamente dentro le graffe.
• ULID un’alternativa non standard con la stessa idea dell’ordinamento temporale, scritta in 26 caratteri base32. Leggibile e ordinabile, ma non è un UUID, quindi una colonna uuid non la accetta.
• Snowflake id un id da 64 bit con timestamp, numero di macchina e contatore. Più piccolo di un UUID e ordinabile, ma richiede numeri di macchina distribuiti centralmente.
• Variante i due bit che dichiarano quale struttura di UUID è in uso. Quella RFC 4122 è l’unica che usi tutto il moderno; l’ispettore la nomina.
• Collisione due id generati che escono identici. Per la v4 la probabilità è trascurabile: il guasto realistico è una sorgente casuale debole, non la sfortuna.