雪花算法的原理和实现Java

    技术2022-07-13  82

    SnowFlake 算法,是 Twitter 开源的分布式 id 生成算法。其核心思想就是:使用一个 64 bit 的 long 型的数字作为全局唯一 id。在分布式系统中的应用十分广泛,且ID 引入了时间戳,基本上保持自增的,后面的代码中有详细的注解。

    这 64 个 bit 中,其中 1 个 bit 是不用的,然后用其中的 41 bit 作为毫秒数,用 10 bit 作为工作机器 id,12 bit 作为序列号。

     

    给大家举个例子吧,比如下面那个 64 bit 的 long 型数字:

    第一个部分,是 1 个 bit:0,这个是无意义的。

    第二个部分是 41 个 bit:表示的是时间戳。

    第三个部分是 5 个 bit:表示的是机房 id,10001。

    第四个部分是 5 个 bit:表示的是机器 id,1 1001。

    第五个部分是 12 个 bit:表示的序号,就是某个机房某台机器上这一毫秒内同时生成的 id 的序号,0000 00000000。

     

    ①1 bit:是不用的,为啥呢?

     

    因为二进制里第一个 bit 为如果是 1,那么都是负数,但是我们生成的 id 都是正数,所以第一个 bit 统一都是 0。

     

    ②41 bit:表示的是时间戳,单位是毫秒。

     

    41 bit 可以表示的数字多达 2^41 - 1,也就是可以标识 2 ^ 41 - 1 个毫秒值,换算成年就是表示 69 年的时间。

     

    ③10 bit:记录工作机器 id,代表的是这个服务最多可以部署在 2^10 台机器上,也就是 1024 台机器。

     

    但是 10 bit 里 5 个 bit 代表机房 id,5 个 bit 代表机器 id。意思就是最多代表 2 ^ 5 个机房(32 个机房),每个机房里可以代表 2 ^ 5 个机器(32 台机器),也可以根据自己公司的实际情况确定。

     

    ④12 bit:这个是用来记录同一个毫秒内产生的不同 id。

     

    12 bit 可以代表的最大正整数是 2 ^ 12 - 1 = 4096,也就是说可以用这个 12 bit 代表的数字来区分同一个毫秒内的 4096 个不同的 id。

     

    简单来说,你的某个服务假设要生成一个全局唯一 id,那么就可以发送一个请求给部署了 SnowFlake 算法的系统,由这个 SnowFlake 算法系统来生成唯一 id。

     

    这个 SnowFlake 算法系统首先肯定是知道自己所在的机房和机器的,比如机房 id = 17,机器 id = 12。

     

    接着 SnowFlake 算法系统接收到这个请求之后,首先就会用二进制位运算的方式生成一个 64 bit 的 long 型 id,64 个 bit 中的第一个 bit 是无意义的。

     

    接着 41 个 bit,就可以用当前时间戳(单位到毫秒),然后接着 5 个 bit 设置上这个机房 id,还有 5 个 bit 设置上机器 id。

     

    最后再判断一下,当前这台机房的这台机器上这一毫秒内,这是第几个请求,给这次生成 id 的请求累加一个序号,作为最后的 12 个 bit。

     

    最终一个 64 个 bit 的 id 就出来了,类似于:

     

    这个算法可以保证说,一个机房的一台机器上,在同一毫秒内,生成了一个唯一的 id。可能一个毫秒内会生成多个 id,但是有最后 12 个 bit 的序号来区分开来。

     

    下面我们简单看看这个 SnowFlake 算法的一个代码实现,这就是个示例,大家如果理解了这个意思之后,以后可以自己尝试改造这个算法。

     

    总之就是用一个 64 bit 的数字中各个 bit 位来设置不同的标志位,区分每一个 id。

     

    SnowFlake 算法的实现代码如下:

     

    public class IdWorker {       //因为二进制里第一个 bit 为如果是 1,那么都是负数,但是我们生成的 id 都是正数,所以第一个 bit 统一都是 0。       //机器ID  2进制5位  32位减掉1位 31个     private long workerId;     //机房ID 2进制5位  32位减掉1位 31个     private long datacenterId;     //代表一毫秒内生成的多个id的最新序号  12位 4096 -1 = 4095 个     private long sequence;     //设置一个时间初始值    2^41 - 1   差不多可以用69年     private long twepoch = 1585644268888L;     //5位的机器id     private long workerIdBits = 5L;     //5位的机房id     private long datacenterIdBits = 5L;     //每毫秒内产生的id数 2 的 12次方     private long sequenceBits = 12L;     // 这个是二进制运算,就是5 bit最多只能有31个数字,也就是说机器id最多只能是32以内     private long maxWorkerId = -1L ^ (-1L << workerIdBits);     // 这个是一个意思,就是5 bit最多只能有31个数字,机房id最多只能是32以内     private long maxDatacenterId = -1L ^ (-1L << datacenterIdBits);       private long workerIdShift = sequenceBits;     private long datacenterIdShift = sequenceBits + workerIdBits;     private long timestampLeftShift = sequenceBits + workerIdBits + datacenterIdBits;     private long sequenceMask = -1L ^ (-1L << sequenceBits);     //记录产生时间毫秒数,判断是否是同1毫秒     private long lastTimestamp = -1L;     public long getWorkerId(){         return workerId;     }     public long getDatacenterId() {         return datacenterId;     }     public long getTimestamp() {         return System.currentTimeMillis();     }           public IdWorker(long workerId, long datacenterId, long sequence) {           // 检查机房id和机器id是否超过31 不能小于0         if (workerId > maxWorkerId || workerId < 0) {             throw new IllegalArgumentException(                     String.format("worker Id can't be greater than %d or less than 0",maxWorkerId));         }           if (datacenterId > maxDatacenterId || datacenterId < 0) {               throw new IllegalArgumentException(                     String.format("datacenter Id can't be greater than %d or less than 0",maxDatacenterId));         }         this.workerId = workerId;         this.datacenterId = datacenterId;         this.sequence = sequence;     }       // 这个是核心方法,通过调用nextId()方法,让当前这台机器上的snowflake算法程序生成一个全局唯一的id     public synchronized long nextId() {         // 这儿就是获取当前时间戳,单位是毫秒         long timestamp = timeGen();         if (timestamp < lastTimestamp) {               System.err.printf(                     "clock is moving backwards. Rejecting requests until %d.", lastTimestamp);             throw new RuntimeException(                     String.format("Clock moved backwards. Refusing to generate id for %d milliseconds",                             lastTimestamp - timestamp));         }           // 下面是说假设在同一个毫秒内,又发送了一个请求生成一个id         // 这个时候就得把seqence序号给递增1,最多就是4096         if (lastTimestamp == timestamp) {               // 这个意思是说一个毫秒内最多只能有4096个数字,无论你传递多少进来,             //这个位运算保证始终就是在4096这个范围内,避免你自己传递个sequence超过了4096这个范围             sequence = (sequence + 1) & sequenceMask;             //当某一毫秒的时间,产生的id数 超过4095,系统会进入等待,直到下一毫秒,系统继续产生ID             if (sequence == 0) {                 timestamp = tilNextMillis(lastTimestamp);             }           } else {             sequence = 0;         }         // 这儿记录一下最近一次生成id的时间戳,单位是毫秒         lastTimestamp = timestamp;         // 这儿就是最核心的二进制位运算操作,生成一个64bit的id         // 先将当前时间戳左移,放到41 bit那儿;将机房id左移放到5 bit那儿;将机器id左移放到5 bit那儿;将序号放最后12 bit         // 最后拼接起来成一个64 bit的二进制数字,转换成10进制就是个long型         return ((timestamp - twepoch) << timestampLeftShift) |                 (datacenterId << datacenterIdShift) |                 (workerId << workerIdShift) | sequence;     }       /**      * 当某一毫秒的时间,产生的id数 超过4095,系统会进入等待,直到下一毫秒,系统继续产生ID      * @param lastTimestamp      * @return      */     private long tilNextMillis(long lastTimestamp) {           long timestamp = timeGen();           while (timestamp <= lastTimestamp) {             timestamp = timeGen();         }         return timestamp;     }     //获取当前时间戳     private long timeGen(){         return System.currentTimeMillis();     }       /**      *  main 测试类      * @param args      */     public static void main(String[] args) {         System.out.println(1&4596);         System.out.println(2&4596);         System.out.println(6&4596);         System.out.println(6&4596);         System.out.println(6&4596);         System.out.println(6&4596); //        IdWorker worker = new IdWorker(1,1,1); //        for (int i = 0; i < 22; i++) { //            System.out.println(worker.nextId()); //        }     } }

    SnowFlake算法的优点:

    (1)高性能高可用:生成时不依赖于数据库,完全在内存中生成。

    (2)容量大:每秒中能生成数百万的自增ID。

    (3)ID自增:存入数据库中,索引效率高。

     

    SnowFlake算法的缺点:

    依赖与系统时间的一致性,如果系统时间被回调,或者改变,可能会造成id冲突或者重复。  

     

    实际中我们的机房并没有那么多,我们可以改进改算法,将10bit的机器id优化,成业务表或者和我们系统相关的业务。 ———————————————— 版权声明:本文为博主「雨夜青草」的原创文章,遵循CC 4.0 BY-SA版权协议,转载请附上原文出处链接及本声明。 原文链接:https://blog.csdn.net/lq18050010830/article/details/89845790

    Processed: 0.011, SQL: 9