Java實(shí)現雪花算法的原理

SnowFlake 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 型的數字作為全局唯一 id。在分布式系統中的應用十分廣泛，且ID 引入了時(shí)間戳，基本上保持自增的，后面的代碼中有詳細的注解。

這 64 個(gè) bit 中，其中 1 個(gè) bit 是不用的，然后用其中的 41 bit 作為毫秒數，用 10 bit 作為工作機器 id，12 bit 作為序列號。

給大家舉個(gè)例子吧，比如下面那個(gè) 64 bit 的 long 型數字：

• 第一個(gè)部分，是 1 個(gè) bit：0，這個(gè)是無(wú)意義的。
• 第二個(gè)部分是 41 個(gè) bit：表示的是時(shí)間戳。
• 第三個(gè)部分是 5 個(gè) bit：表示的是機房 id，10001。
• 第四個(gè)部分是 5 個(gè) bit：表示的是機器 id，1 1001。
• 第五個(gè)部分是 12 個(gè) bit：表示的序號，就是某個(gè)機房某臺機器上這一毫秒內同時(shí)生成的 id 的序號，0000 00000000。

①1 bit：是不用的，為啥呢？

因為二進(jìn)制里第一個(gè) bit 為如果是 1，那么都是負數，但是我們生成的 id 都是正數，所以第一個(gè) bit 統一都是 0。 

②41 bit：表示的是時(shí)間戳，單位是毫秒。

41 bit 可以表示的數字多達 2^41 - 1，也就是可以標識 2 ^ 41 - 1 個(gè)毫秒值，換算成年就是表示 69 年的時(shí)間。 

③10 bit：記錄工作機器 id，代表的是這個(gè)服務(wù)最多可以部署在 2^10 臺機器上，也就是 1024 臺機器。 

但是 10 bit 里 5 個(gè) bit 代表機房 id，5 個(gè) bit 代表機器 id。意思就是最多代表 2 ^ 5 個(gè)機房（32 個(gè)機房），每個(gè)機房里可以代表 2 ^ 5 個(gè)機器（32 臺機器），也可以根據自己公司的實(shí)際情況確定。

④12 bit：這個(gè)是用來(lái)記錄同一個(gè)毫秒內產(chǎn)生的不同 id。

12 bit 可以代表的最大正整數是 2 ^ 12 - 1 = 4096，也就是說(shuō)可以用這個(gè) 12 bit 代表的數字來(lái)區分同一個(gè)毫秒內的 4096 個(gè)不同的 id。

簡(jiǎn)單來(lái)說(shuō)，你的某個(gè)服務(wù)假設要生成一個(gè)全局唯一 id，那么就可以發(fā)送一個(gè)請求給部署了 SnowFlake 算法的系統，由這個(gè) SnowFlake 算法系統來(lái)生成唯一 id。

這個(gè) SnowFlake 算法系統首先肯定是知道自己所在的機房和機器的，比如機房 id = 17，機器 id = 12。

接著(zhù) SnowFlake 算法系統接收到這個(gè)請求之后，首先就會(huì )用二進(jìn)制位運算的方式生成一個(gè) 64 bit 的 long 型 id，64 個(gè) bit 中的第一個(gè) bit 是無(wú)意義的。

接著(zhù) 41 個(gè) bit，就可以用當前時(shí)間戳（單位到毫秒），然后接著(zhù) 5 個(gè) bit 設置上這個(gè)機房 id，還有 5 個(gè) bit 設置上機器 id。

最后再判斷一下，當前這臺機房的這臺機器上這一毫秒內，這是第幾個(gè)請求，給這次生成 id 的請求累加一個(gè)序號，作為最后的 12 個(gè) bit。

最終一個(gè) 64 個(gè) bit 的 id 就出來(lái)了，類(lèi)似于：

這個(gè)算法可以保證說(shuō)，一個(gè)機房的一臺機器上，在同一毫秒內，生成了一個(gè)唯一的 id?？赡芤粋€(gè)毫秒內會(huì )生成多個(gè) id，但是有最后 12 個(gè) bit 的序號來(lái)區分開(kāi)來(lái)。

下面我們簡(jiǎn)單看看這個(gè) SnowFlake 算法的一個(gè)代碼實(shí)現，這就是個(gè)示例，大家如果理解了這個(gè)意思之后，以后可以自己嘗試改造這個(gè)算法。

總之就是用一個(gè) 64 bit 的數字中各個(gè) bit 位來(lái)設置不同的標志位，區分每一個(gè) id。

SnowFlake 算法的實(shí)現代碼如下：

 
public class IdWorker {
 
	//因為二進(jìn)制里第一個(gè) bit 為如果是 1，那么都是負數，但是我們生成的 id 都是正數，所以第一個(gè) bit 統一都是 0。
 
	//機器ID  2進(jìn)制5位  32位減掉1位 31個(gè)
	private long workerId;
	//機房ID 2進(jìn)制5位  32位減掉1位 31個(gè)
	private long datacenterId;
	//代表一毫秒內生成的多個(gè)id的最新序號  12位 4096 -1 = 4095 個(gè)
	private long sequence;
	//設置一個(gè)時(shí)間初始值    2^41 - 1   差不多可以用69年
	private long twepoch = 1585644268888L;
	//5位的機器id
	private long workerIdBits = 5L;
	//5位的機房id
	private long datacenterIdBits = 5L;
	//每毫秒內產(chǎn)生的id數 2 的 12次方
	private long sequenceBits = 12L;
	// 這個(gè)是二進(jìn)制運算，就是5 bit最多只能有31個(gè)數字，也就是說(shuō)機器id最多只能是32以?xún)?
	private long maxWorkerId = -1L ^ (-1L << workerIdBits);
	// 這個(gè)是一個(gè)意思，就是5 bit最多只能有31個(gè)數字，機房id最多只能是32以?xún)?
	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);
	//記錄產(chǎn)生時(shí)間毫秒數，判斷是否是同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) {
 
		// 檢查機房id和機器id是否超過(guò)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;
	}
 
	// 這個(gè)是核心方法，通過(guò)調用nextId()方法，讓當前這臺機器上的snowflake算法程序生成一個(gè)全局唯一的id
	public synchronized long nextId() {
		// 這兒就是獲取當前時(shí)間戳，單位是毫秒
		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));
		}
 
		// 下面是說(shuō)假設在同一個(gè)毫秒內，又發(fā)送了一個(gè)請求生成一個(gè)id
		// 這個(gè)時(shí)候就得把seqence序號給遞增1，最多就是4096
		if (lastTimestamp == timestamp) {
 
			// 這個(gè)意思是說(shuō)一個(gè)毫秒內最多只能有4096個(gè)數字，無(wú)論你傳遞多少進(jìn)來(lái)，
			//這個(gè)位運算保證始終就是在4096這個(gè)范圍內，避免你自己傳遞個(gè)sequence超過(guò)了4096這個(gè)范圍
			sequence = (sequence + 1) & sequenceMask;
			//當某一毫秒的時(shí)間，產(chǎn)生的id數 超過(guò)4095，系統會(huì )進(jìn)入等待，直到下一毫秒，系統繼續產(chǎn)生ID
			if (sequence == 0) {
				timestamp = tilNextMillis(lastTimestamp);
			}
 
		} else {
			sequence = 0;
		}
		// 這兒記錄一下最近一次生成id的時(shí)間戳，單位是毫秒
		lastTimestamp = timestamp;
		// 這兒就是最核心的二進(jìn)制位運算操作，生成一個(gè)64bit的id
		// 先將當前時(shí)間戳左移，放到41 bit那兒；將機房id左移放到5 bit那兒；將機器id左移放到5 bit那兒；將序號放最后12 bit
		// 最后拼接起來(lái)成一個(gè)64 bit的二進(jìn)制數字，轉換成10進(jìn)制就是個(gè)long型
		return ((timestamp - twepoch) << timestampLeftShift) |
				(datacenterId << datacenterIdShift) |
				(workerId << workerIdShift) | sequence;
	}
 
	/**
	 * 當某一毫秒的時(shí)間，產(chǎn)生的id數 超過(guò)4095，系統會(huì )進(jìn)入等待，直到下一毫秒，系統繼續產(chǎn)生ID
	 * @param lastTimestamp
	 * @return
	 */
	private long tilNextMillis(long lastTimestamp) {
 
		long timestamp = timeGen();
 
		while (timestamp <= lastTimestamp) {
			timestamp = timeGen();
		}
		return timestamp;
	}
	//獲取當前時(shí)間戳
	private long timeGen(){
		return System.currentTimeMillis();
	}
 
	/**
	 *  main 測試類(lèi)
	 * @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算法的優(yōu)點(diǎn)：

（1）高性能高可用：生成時(shí)不依賴(lài)于數據庫，完全在內存中生成。

（2）容量大：每秒中能生成數百萬(wàn)的自增ID。

（3）ID自增：存入數據庫中，索引效率高。

SnowFlake算法的缺點(diǎn)：

依賴(lài)與系統時(shí)間的一致性，如果系統時(shí)間被回調，或者改變，可能會(huì )造成id沖突或者重復。
 

實(shí)際中我們的機房并沒(méi)有那么多，我們可以改進(jìn)改算法，將10bit的機器id優(yōu)化，成業(yè)務(wù)表或者和我們系統相關(guān)的業(yè)務(wù)。

到此這篇關(guān)于Java實(shí)現雪花算法的原理的文章就介紹到這了,更多相關(guān)Java 雪花算法內容請搜索腳本之家以前的文章或繼續瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！