editreadme

README.md

@@ -80,12 +80,6 @@
 3.不想将 Long 型转 String 给前端用的项目。（若前端支持bigint，则可不转类型）
 
 
-##  大型分布式使用建议
-
-1.可扩大 WorkerIdBitLength 到最多20位，支持 1,048,576 个节点，且不影响上述并发性能（50W/0.1s）。
-
-2.采用中心化 IdGenerator 集群，给节点生成可用 Id 列表，存入 Redis 队列供节点消费。此时64个中心化节点数足够大型互联网项目使用。
-
 ## 如何处理时间回拨
 1.当发生系统时间回拨的时候，算法采用过去时序的预留序数生成新的ID。
 
@@ -109,6 +103,8 @@
 
 ## ★★集成建议★★
 
+#### 常规集成
+
 1.用单例模式调用。外部集成方使用更多的实例并行调用本算法，不会增加ID产出效能，因为本算法采用单线程模式生成ID。
 
 2.指定唯一的 WorkerId。必须由外部系统确保 WorkerId 的全局唯一性，并赋值给本算法入口方法。
@@ -127,6 +123,16 @@
 8.轻易不要修改核心算法。本算法内部参数较多，逻辑较为复杂，在你尚未掌握核心逻辑时，请勿尝试修改核心代码并用于生产环境。
 
 
+####  大型分布式集成
+
+1.可扩大 WorkerIdBitLength 到最多20位，支持 1,048,576 个节点，且不影响上述并发性能（50W/0.1s）。本算法已支持。
+
+2.采用中心化 IdGenerator 集群，给节点生成可用 Id 列表，存入 Redis 队列供节点消费。此时64个中心化节点数足够大型互联网项目使用。本算法不支持，集成方可扩展实现。
+
+3.如果扩大了 WorkerIdBitLength ，就不必采用中心化 IdGenerator 集群的方法。采用中心化集群的方法一般是为了不增加 ID 的长度。
+
+
+
 ## 代码示例
 
 #### 运行环境