目錄SnowFlake算法原理介紹算法實(shí)現(xiàn)SnowFlake算法原理介紹

在分布式系統(tǒng)中會(huì)將一個(gè)業(yè)務(wù)的系統(tǒng)部署到多臺(tái)服務(wù)器上，用戶(hù)隨機(jī)訪(fǎng)問(wèn)其中一臺(tái)，而之所以引入分布式系統(tǒng)就是為了讓整個(gè)系統(tǒng)能夠承載更大的訪(fǎng)問(wèn)量。諸如訂單號(hào)這些我們需要它是全局唯一的，同時(shí)我們基本上都會(huì)將它作為查詢(xún)條件；出于系統(tǒng)安全考慮不應(yīng)當(dāng)讓其它人輕易的就猜出我們的訂單號(hào)，同時(shí)也要防止公司的競(jìng)爭(zhēng)對(duì)手直接通過(guò)訂單號(hào)猜測(cè)出公司業(yè)務(wù)體量；為了保證系統(tǒng)的快速響應(yīng)那么生成算法不能太耗時(shí)。而雪花算法正好解決了這些問(wèn)題。

SnowFlake 算法（雪花算法）, 是Twitter開(kāi)源的分布式id生成算法。其核心思想就是: 使用一個(gè)64 bit的long型的數(shù)字作為全局唯一id。它的結(jié)構(gòu)如下：

下面我們來(lái)對(duì)每一部分進(jìn)一步的分析：

符號(hào)標(biāo)識(shí)位(1位)：計(jì)算機(jī)中為了區(qū)分負(fù)數(shù)(1)和正數(shù)(0)，設(shè)計(jì)者將第一位做為符號(hào)位，ID通常使用正數(shù)，因此最高位固定為0； 41位時(shí)間截(毫秒)，這個(gè)是使用 當(dāng)前時(shí)間 減去 開(kāi)始時(shí)間 得到的值；因此一旦我們的算法投入使用，那么程序中設(shè)置的開(kāi)始時(shí)間就不能再去隨意更改了，否則將可能出現(xiàn)重復(fù)的id值；

由于是基于時(shí)間來(lái)實(shí)現(xiàn)的且只有41位，由此可以計(jì)算出該算法只能使用70年左右：(2^41)/(1000*60*60*24*365) = 69.7 年 ；

10位機(jī)器ID：共計(jì)1024個(gè)節(jié)點(diǎn)，通常將其分為2部分：機(jī)房ID(dataCenterId) 和 機(jī)器ID（workerId）； 12 位序列號(hào)：毫秒內(nèi)的計(jì)數(shù)，共計(jì)4098個(gè)；簡(jiǎn)單來(lái)說(shuō)就是每毫秒內(nèi)從0開(kāi)始計(jì)算得到值； 最終SnowFlake算法總結(jié)如下：整體上按照時(shí)間自增排序，并且整個(gè)分布式系統(tǒng)內(nèi)不會(huì)產(chǎn)生ID 碰撞(由機(jī)房ID和機(jī)器ID作區(qū)分)，并且效率較高。最多支持1024臺(tái)機(jī)器，每臺(tái)機(jī)器每毫秒能夠生成最多4096個(gè)ID，整個(gè)集群理論上每秒可以生成 1024 * 1000 * 4096 = 42 億個(gè)ID。

這里不要覺(jué)得每毫秒4098個(gè)ID少了，我們計(jì)算一下每臺(tái)機(jī)器理論上每秒可以支持 4096*1000 = 400萬(wàn)左右；要知道天貓雙11那么大的訂單量每秒也才50萬(wàn)筆；因此是完全夠用的。

算法實(shí)現(xiàn)

我們?cè)谏厦嬉呀?jīng)了解了SnowFlake的算法結(jié)構(gòu)，下面是Java版本的實(shí)現(xiàn)。注意我們?cè)趯?shí)現(xiàn)該算法時(shí)，不一定要死死的按照上面的來(lái)實(shí)現(xiàn)，可以根據(jù)自身業(yè)務(wù)情況進(jìn)行定制化；比如說(shuō)機(jī)器ID，對(duì)于大部分的小項(xiàng)目來(lái)說(shuō)根本不會(huì)分啥機(jī)房，因此我們完全可以根據(jù)服務(wù)器IP來(lái)弄；同時(shí)Twitter公布的算法中最終生成的id長(zhǎng)度為15，但是還是根據(jù)自身業(yè)務(wù)情況進(jìn)行調(diào)整。比如標(biāo)準(zhǔn)的算法只支持使用70年左右，但是我們可以通過(guò)擴(kuò)展長(zhǎng)度來(lái)增加年限。

public class SnowFlakeIdWorker { /** * 開(kāi)始時(shí)間戳，單位毫秒；這里是2021-06-01 */ private static final long TW_EPOCH = 1622476800000L; /** * 機(jī)器 ID 所占的位數(shù) */ private static final long WORKER_ID_BITS = 5L; /** * 數(shù)據(jù)標(biāo)識(shí) ID 所占的位數(shù) */ private static final long DATA_CENTER_ID_BITS = 5L; /** * 支持的最大機(jī)器ID，最大為31 * * PS. Twitter的源碼是 -1L ^ (-1L << workerIdBits)；這里最后和-1進(jìn)行異或運(yùn)算，由于-1的二進(jìn)制補(bǔ)碼的特殊性，就相當(dāng)于進(jìn)行取反。 */ private static final long MAX_WORKER_ID = ~(-1L << WORKER_ID_BITS); /** * 支持的最大機(jī)房ID，最大為31 */ private static final long MAX_DATA_CENTER_ID = ~(-1L << DATA_CENTER_ID_BITS); /** * 序列在 ID 中占的位數(shù) */ private static final long SEQUENCE_BITS = 12L; /** * 機(jī)器 ID 向左移12位 */ private static final long WORKER_ID_SHIFT = SEQUENCE_BITS; /** * 機(jī)房 ID 向左移17位 */ private static final long DATA_CENTER_ID_SHIFT = SEQUENCE_BITS + WORKER_ID_BITS; /** * 時(shí)間截向左移22位 */ private static final long TIMESTAMP_LEFT_SHIFT = SEQUENCE_BITS + WORKER_ID_BITS + DATA_CENTER_ID_BITS; /** * 生成序列的掩碼最大值，最大為4095 */ private static final long SEQUENCE_MASK = ~(-1L << SEQUENCE_BITS); /** * 工作機(jī)器 ID(0~31) */ private final long workerId; /** * 機(jī)房 ID(0~31) */ private final long dataCenterId; /** * 毫秒內(nèi)序列(0~4095) */ private long sequence = 0L; /** * 上次生成 ID 的時(shí)間戳 */ private long lastTimestamp = -1L; /** * 創(chuàng)建 ID 生成器的方式一: 使用工作機(jī)器的序號(hào)(也就是將機(jī)房的去掉給機(jī)器ID使用)，范圍是 [0, 1023]，優(yōu)點(diǎn)是方便給機(jī)器編號(hào) * * @param workerId 工作機(jī)器 ID */ public SnowFlakeIdWorker(long workerId) {// 計(jì)算最大值long maxMachineId = (MAX_DATA_CENTER_ID + 1) * (MAX_WORKER_ID + 1) - 1;if (workerId < 0 || workerId > maxMachineId) { throw new IllegalArgumentException(String.format('Worker ID can’t be greater than %d or less than 0', maxMachineId));}// 取高位部分作為機(jī)房ID部分this.dataCenterId = (workerId >> WORKER_ID_BITS) & MAX_DATA_CENTER_ID;// 取低位部分作為機(jī)器ID部分this.workerId = workerId & MAX_WORKER_ID; } /** * 創(chuàng)建 ID 生成器的方式二: 使用工作機(jī)器 ID 和機(jī)房 ID，優(yōu)點(diǎn)是方便分機(jī)房管理 * * @param dataCenterId 機(jī)房 ID (0~31) * @param workerId 工作機(jī)器 ID (0~31) */ public SnowFlakeIdWorker(long dataCenterId, long workerId) {if (workerId > MAX_WORKER_ID || workerId < 0) { throw new IllegalArgumentException(String.format('Worker ID can’t be greater than %d or less than 0', MAX_WORKER_ID));}if (dataCenterId > MAX_DATA_CENTER_ID || dataCenterId < 0) { throw new IllegalArgumentException(String.format('DataCenter ID can’t be greater than %d or less than 0', MAX_DATA_CENTER_ID));}this.workerId = workerId;this.dataCenterId = dataCenterId; } /** * 獲得下一個(gè) ID(該方法是線(xiàn)程安全的) * * @return 返回一個(gè)長(zhǎng)度位15的 long類(lèi)型的數(shù)字 */ public synchronized long nextId() {long timestamp = timeGen();// 如果當(dāng)前時(shí)間小于上一次 ID 生成的時(shí)間戳，說(shuō)明發(fā)生時(shí)鐘回?fù)埽瑸楸ＷCID不重復(fù)拋出異常。if (timestamp < lastTimestamp) { throw new RuntimeException(String.format('Clock moved backwards. Refusing to generate id for %d milliseconds', lastTimestamp - timestamp));}if (lastTimestamp == timestamp) { // 同一時(shí)間生成的，則序號(hào)+1 sequence = (sequence + 1) & SEQUENCE_MASK; // 毫秒內(nèi)序列溢出：超過(guò)最大值 if (sequence == 0) {// 阻塞到下一個(gè)毫秒，獲得新的時(shí)間戳timestamp = tilNextMillis(lastTimestamp); }} else { // 時(shí)間戳改變，毫秒內(nèi)序列重置 sequence = 0L;}// 上次生成 ID 的時(shí)間戳lastTimestamp = timestamp;// 移位并通過(guò)或運(yùn)算拼到一起return ((timestamp - TW_EPOCH) << TIMESTAMP_LEFT_SHIFT)| (dataCenterId << DATA_CENTER_ID_SHIFT)| (workerId << WORKER_ID_SHIFT)| sequence; } private long tilNextMillis(long lastTimestamp) {long timestamp = timeGen();while (timestamp <= lastTimestamp) { timestamp = timeGen();}return timestamp; } private long timeGen() {return System.currentTimeMillis(); }}

使用示例

// 初始化SnowFlakeIdWorker idWorker = new SnowFlakeIdWorker(1, 0);// 生成IDfor(int i=0; i<100; i++){ System.out.println(idWorker.nextId());}

注意服務(wù)器不能發(fā)生時(shí)鐘回?fù)埽聪到y(tǒng)時(shí)間發(fā)生錯(cuò)誤，因?yàn)檠┗ㄋ惴ㄊ腔跁r(shí)間來(lái)生成，所有當(dāng)發(fā)生時(shí)鐘回?fù)芎髸?huì)導(dǎo)致出現(xiàn)重復(fù)ID的問(wèn)題。

以上就是Java 基于雪花算法生成分布式id的詳細(xì)內(nèi)容，更多關(guān)于Java 雪花算法生成分布式id的資料請(qǐng)關(guān)注好吧啦網(wǎng)其它相關(guān)文章！