在设计 API 时，出于安全性等因素考虑，有时需要放弃使用自增 ID，使 ID 非连续且不可猜测。通常可以使用 Hash id，UUID,雪花 ID 等来实现。
在最近的一个项目中，我尝试使用雪花 ID。一通折腾下来发现，逼格挺高，实现也挺简单。然而当我继续撸起袖子与前端部分对接时，却出现了 JS 精度丢失问题，因为存储的 ID 是一个 unsigned bigint 型的值。（至于为什么会有精度丢失现象，这里就不具体解释了，不清楚的可以自行搜索），本文主要介绍解决办法。
想要解决这问题，基本原
在 Python 整型对象所存储的位置是不同的, 有一些是一直存储在某个存储里面, 而其它的, 则在使用时开辟出空间.
说这句话的理由， 可以看看如下代码：
a = 5
b = 5
a is b # True
a = 500
b = 500
a is b # False
由上面的代码可知, 整型 5 是一直存在的, 而整型 500 不是一直存在的.
那么有哪些整数是一直存储的呢?
a, b, c = 0, 0, 0
while a is b:
i += 1
a, b = int(str(i)
本次分析基于 CPython 解释器，python3.x版本
在python2时代，整型有 int 类型和 long 长整型，长整型不存在溢出问题，即可以存放任意大小的整数。在python3后，统一使用了长整型。这也是吸引科研人员的一部分了，适合大数据运算，不会溢出，也不会有其他语言那样还分短整型，整型，长整型…因此python就降低其他行业的学习门槛了。
那么，不溢出的整型实现上是否可行呢？
不溢出的整型的可行性
尽管在 C 语言中，整型所表示的大小是有范围的，但是 python 代码是保存
在 Python 整型对象所存储的位置是不同的, 有一些是一直存储在某个存储里面, 而其它的, 则在使用时开辟出空间.
说这句话的理由, 可以看看如下代码:
a = 5
b = 5
a is b # True
a = 500
b = 500
a is b # False
由上面的代码可知, 整型 5 是一直存在的, 而整型 500 不是一直存在的.
那么有哪些整数是一直存储的呢?
a, b, c = 0, 0, 0
while a is b:
i += 1
a, b = int(str(i
