最难的部分不是生成重复的Guid。

最难的部分是设计一个数据库来存储所有生成的数据，以检查它是否实际上是重复的。

从维基:

例如，为了有至少一次碰撞的50%概率，需要生成的随机版本4 uuid的数量为2.71 quintillion，计算如下:

在这里输入图像描述

这个数字相当于在大约85年的时间里每秒生成10亿个UUID，而包含这么多UUID的文件(每个UUID 16个字节)大约是45艾字节，比目前存在的最大数据库(几百pb量级)大很多倍

简单的答案是肯定的。

Raymond Chen写了一篇关于guid和为什么guid的子字符串不能保证唯一的文章。这篇文章深入探讨了guid的生成方式以及它们用来确保唯一性的数据，这应该会花一些篇幅来解释它们为什么会这样:-)

Eric Lippert写了一系列关于guid的非常有趣的文章。

There are on the order 230 personal computers in the world (and of course lots of hand-held devices or non-PC computing devices that have more or less the same levels of computing power, but lets ignore those). Let's assume that we put all those PCs in the world to the task of generating GUIDs; if each one can generate, say, 220 GUIDs per second then after only about 272 seconds -- one hundred and fifty trillion years -- you'll have a very high chance of generating a collision with your specific GUID. And the odds of collision get pretty good after only thirty trillion years.

GUID指南，第一部分 GUID指南，第二部分 GUID指南，第三部分

MSDN:

新Guid的值全为零或等于任何其他Guid的概率非常低。

最难的部分不是生成重复的Guid。

最难的部分是设计一个数据库来存储所有生成的数据，以检查它是否实际上是重复的。

从维基:

例如，为了有至少一次碰撞的50%概率，需要生成的随机版本4 uuid的数量为2.71 quintillion，计算如下:

在这里输入图像描述

这个数字相当于在大约85年的时间里每秒生成10亿个UUID，而包含这么多UUID的文件(每个UUID 16个字节)大约是45艾字节，比目前存在的最大数据库(几百pb量级)大很多倍

似乎没有人提到它发生概率的实际数学计算。

首先，让我们假设我们可以使用整个128位空间(Guid v4只使用122位)。

我们知道在n次选择中没有得到重复的一般概率是:

(1-1/2128)(1-2/2128)……(1 - (n - 1) / 2128)

因为2128比n大得多，我们可以将其近似为:

(1-1/2128) n (n - 1) / 2

因为我们可以假设n比0大很多很多，我们可以把它近似为:

(1-1/2128) n ^ 2/2

现在我们可以将其等同于“可接受的”概率，假设是1%:

(1-1/2128)n²/2 = 0.01

我们解出n，得到

N =√(2* log 0.01 / log (1-1/2128))

哪个Wolfram Alpha得到5.598318 × 1019

为了更好地理解这个数字，让我们以10000台机器为例，每台机器都有一个4核CPU，工作4Ghz，花费10000个周期来生成一个Guid，其他什么都不做。然后需要大约111年才能产生一个副本。