Java实现雪花算法的示例代码

Java实现雪花算法的示例代码

一、介绍

SnowFlow算法是Twitter推出的分布式id生成算法，主要核心思想就是利用64bit的long类型的数字作为全局的id。在分布式系统中经常应用到，并且，在id中加入了时间戳的概念，基本上保持不重复，并且持续一种向上增加的方式。

在这64bit中，其中``第一个bit是不用的，然后用其中的41个bit作为毫秒数，用10bit作为工作机器id,12bit`作为序列号.具体如下图所示：

第一个部分：0,这个是个符号位，因为在二进制中第一个bit如果是1的话，那么都是负数，但是我们生成的这些id都是正数，所以第一个bit基本上都是0

第二个部分：41个bit,代表的是一个时间戳，41bit可以表示的数字多达$2^{41} $-1,也可以表示2^{41}-1个毫秒值，基本上差不多是69年。

第三个部分：5个bit 表示的是机房id。

第四个部分：5个bit 表示的是机器id。

第五个部分：12个bit 表示的是机房id，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，如果是同一毫秒，那么这个雪花值就会递增

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。

下面我们就来简单看下这个算法的代码实现部分。

总之就是用一个64bit的数字中各个bit位置来设置不同的标志位

二、代码实现

package com.lhh.utils;

/**

* @author liuhuanhuan

* @version 1.0

* @date 2022/2/21 22:33

* @describe Twitter推出的分布式唯一id算法

*/

public class SnowFlow {

//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;

// -1L 二进制就是1111 1111 为什么？

// -1 左移12位就是 1111 1111 0000 0000 0000 0000

// 异或 相同为0 ，不同为1

// 1111 1111 0000 0000 0000 0000

// ^

// 1111 1111 1111 1111 1111 1111

// 0000 0000 1111 1111 1111 1111 换算成10进制就是4095

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 SnowFlow() {

}

public SnowFlow(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();

// 判断是否小于上次时间戳，如果小于的话，就抛出异常

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 (timestamp == lastTimestamp) {

// 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;

http:// }

//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);

SnowFlow snowFlow = new SnowFlow(1, 1, 1);

for (int i = 0; i < 22; i++) {

System.out.println(snowFlow.nextId());

// }

}

}

}

三、算法优缺点

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。

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(时钟重播造成的id重复问题)

版权声明：本文内容由网络用户投稿，版权归原作者所有，本站不拥有其著作权，亦不承担相应法律责任。如果您发现本站中有涉嫌抄袭或描述失实的内容，请联系我们jiasou666@gmail.com 处理，核实后本网站将在24小时内删除侵权内容。