1、介绍
snowflake方式适用于无意义的自增id生成, 其长度较大, 可以保证自增, 但跳跃较大, 生成效率极高, 在普通pc电脑上每毫秒可以达到4096个。
snowflake是twitter使用的一种id生成算法。 参考:https://github.com/twitter/snowflake
2、原理
SnowFlake算法生成id的结果是一个64bit大小的整数,它的结构如下图
1、1bit,不用,因为二进制中最高位是符号位,1表示负数,0表示正数。生成的id一般都是用整数,所以最高位固定为0。
2、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。
3、但是 10 bit 李 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。
4、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。
代码实现:
/**
* SnowflakeSequenceGen 雪花算法生产id
*/
public class SnowflakeSequenceGen {
private static final Logger LOGGER = LoggerFactory.getLogger(SnowflakeSequenceGen.class);
/**
* 设置一个时间初始值 不可以随意调整, 必须是固定值2021-08-14 01:04:23对应的时间戳, 调整会导致id重复 2^41 - 1 差不多可以用69年
*/
public final static long BASE_TIMESTAMP = 1628874263273L;
/**
* 5位的机器id
*/
public static final long WORKER_ID_BITS = 5L;
/**
* 5位的机房id
*/
public static final long DATACENTER_ID_BITS = 5L;
/**
* 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 final static long MAX_WORKER_ID = ~(-1L << WORKER_ID_BITS);
/**
* 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 static final long MAX_DATACENTER_ID = ~(-1L << DATACENTER_ID_BITS);
/**
* 内存序列使用的位长,每毫秒内产生的id数 2 的 12次方 1ms内在内存中最多可以生成4096个序列
*/
public final static long SEQUENCE_BITS = 12L;
/**
* 时间戳位移数
*/
private static final long TIMESTAMP_LEFT_SHIFT = SEQUENCE_BITS + WORKER_ID_BITS + DATACENTER_ID_BITS;
/**
* 机房号位移数
*/
private static final long DATACENTER_ID_SHIFT = SEQUENCE_BITS + WORKER_ID_BITS;
/**
* 库房号位移数
*/
private static final long WORKER_ID_SHIFT = SEQUENCE_BITS;
/**
* 每毫秒最大值 4095 生成范围【0,4095】
*/
private final static long SEQUENCE_MASK = ~(-1L << SEQUENCE_BITS);
/**
* 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 final long workerId;
/**
* 机房ID 2进制5位 32位减掉1位 31个
*/
private final long datacenterId;
/**
* 代表一毫秒内生成的多个id的最新序号 12位 (0 - 4096 -1) = 4096 个
*/
private long sequence = 0L;
/**
* 记录产生时间毫秒数,判断是否是同1毫秒
*/
private long lastTimestamp = -1L;
/**
* 构造函数
* 可以将5位的机器id和机房id合并,那么就workId的范围就扩大到[0, 1023]
*
* @param workerId 机器id
* @param datacenterId 机房id
*/
public SnowflakeSequenceGen(long workerId, long datacenterId) {
// 检查机房id和机器id是否超过31 不能小于0
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_DATACENTER_ID || datacenterId < 0) {
throw new IllegalArgumentException(
String.format("datacenter Id can't be greater than %d or less than 0", MAX_DATACENTER_ID));
}
this.workerId = workerId;
this.datacenterId = datacenterId;
}
/**
* 这个是核心方法,通过调用gen()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,synchronized保证串行获取
*/
public synchronized long gen() {
// 这儿就是获取当前时间戳,单位是毫秒
long timestamp = timeGen();
while (timestamp < lastTimestamp) {
LOGGER.warn("timeAlarm timestamp < lastTimestamp, {} < {}", timestamp, lastTimestamp);
//优化点,如果当前时间戳小于上次生成id的时间睡5微秒后重新获取当前时间戳(睡的目的:防止cpu自旋,浪费cpu性能)
sleepSafeMis(5);
timestamp = timeGen();
}
// 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 类似相加
sequence = (sequence + 1) & SEQUENCE_MASK;
//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 {
//进入下一毫秒,从0开始
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 - BASE_TIMESTAMP) << TIMESTAMP_LEFT_SHIFT) |
(datacenterId << DATACENTER_ID_SHIFT) |
(workerId << WORKER_ID_SHIFT) | 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 上一次生成id的时间
* @return 时间戳
*/
private long tilNextMillis(long lastTimestamp) {
long timestamp = timeGen();
while (timestamp <= lastTimestamp) {
timestamp = timeGen();
}
return timestamp;
}
/**
* 休眠微秒
*
* @param mis 微秒数
*/
private static void sleepSafeMis(long mis) {
try {
TimeUnit.MICROSECONDS.sleep(mis);
} catch (InterruptedException e) {
LOGGER.error("sleep error ", e);
}
}
//获取当前时间戳
private long timeGen() {
return System.currentTimeMillis();
}
/**
* 获取当前毫秒内最大值
*
* @return ID
*/
public long maxValue() {
long timestamp = timeGen();
return ((timestamp - BASE_TIMESTAMP << TIMESTAMP_LEFT_SHIFT))
| (MAX_DATACENTER_ID << DATACENTER_ID_SHIFT) | (MAX_WORKER_ID << WORKER_ID_SHIFT) | (SEQUENCE_MASK);
}
/**
* 获取当前毫秒内最小值
*
* @return ID
*/
public long minValue() {
long timestamp = timeGen();
return ((timestamp - BASE_TIMESTAMP << TIMESTAMP_LEFT_SHIFT))
| (1 << SEQUENCE_BITS);
}
/**
* 测试10毫秒能生成多少个id,取平均值算出1毫秒可以生成4096个id
*
* @param args String[]
*/
public static void main(String[] args) {
SnowflakeSequenceGen snowflakeSequenceGen = new SnowflakeSequenceGen(1, 1);
for (int i = 0; i < 10; i++) {
int count = 0;
long curTime = snowflakeSequenceGen.timeGen();
while (snowflakeSequenceGen.timeGen() - curTime < 10) {
snowflakeSequenceGen.gen();
count++;
}
System.out.println(count);
}
//生成的id示例
System.out.println(snowflakeSequenceGen.gen());
}
}
3、项目中应用
本公司在使用该算法的时候,通过配置文件指定ip对应的workId,如果开发配置错了,那么如果两台机器有并发写的情况,那么很容易造成id重复。(本公司实际发生的真实案例)
4、优缺点
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:每秒钟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。咱们项目中10bit位,用来表示机器id,没有机房id ,所以最多可以使用 2^10 (0 - 1023) 1024 个
参考文档
页面更新:2024-03-14
本站资料均由网友自行发布提供,仅用于学习交流。如有版权问题,请与我联系,QQ:4156828
© CopyRight 2020-2024 All Rights Reserved. Powered By 71396.com 闽ICP备11008920号-4
闽公网安备35020302034903号