雪花算法原理分析

为什么需要分布式ID？分布式ID的可选方案，优缺点？

参考资料： Leaf——美团点评分布式ID生成系统 - 美团技术团队 (meituan.com)

基础数据类型：

int类型最大值10亿级别（数量级，明显不够用）

float和double，存在不精准运算，有效位数并不大，占用字节最大同long

综合考量：long类型数据规很大，足够应用在ID策略上了

负数如何存储

位运算：&。如果两个对应的二进制位上的数都是1，结果是1，其他都是0

按位或：|。如果两个对应的二进制位上的数都是0，结果是0，其他都是1

按位异或：^。如果两个对应的二进制位上的数字相同，则运算结果为0，其他都是1

左移：<<。把二进制数据在内存空间中向左边移动。左移n相当于乘以2的n次方，但要注意两

点：1-左移带有符号位的，说明每个数据类型左移都有位数限制；2-左移后原来的值不变，移位

后是一个新的值

补码：该数的原码除符号位外各位取反，然后在最后一位加1

-1L去除符号位原码：

取反：

加1：

原理分析

前置条件：单机，机器中心：31机器号吗：31

workID：可认为是机器特征号码，一般由两部分组成：数据中心+机器号，各占用5位。也就是最

大值2^5*2^5=2^10=1024个值(0-1023)

单机情况下，如果不考虑时钟回拨，上图中，workID对于单机固定，12位序列化的变化范围为：

2^12=4096个值（0-4095）

这么分析，单机该种算法，每一毫秒可产生4096个可用不重复的序列号

1s内4096*1000=4096000个。足够很多场景下使用了。

时间部分：

69年都不会重复，既然只能使用69年，我们系统中的时间，是从1970年开始的，所以设计上，设

置一个起始时间，也就是项目开始的时间，目的为了使用更久的时间

代码：

publicsynchronized long nextId (){

  long timestamp = timeGen ();

  if ( timestamp < lastTimestamp ){

    System . err . printf ( "clockismovingbackwards.Rejectingrequestsuntil%d." ,

lastTimestamp );

   thrownewRuntimeException ( String .format ( "Clockmovedbackwards.Refusingtogenerate

idfor%dmilliseconds" ,

        lastTimestamp - timestamp ));

  if ( lastTimestamp == timestamp ){

    sequence = ( sequence + 1 ) & sequenceMask ;

    if ( sequence == 0 ){

      timestamp = tilNextMillis ( lastTimestamp );

  }

  

} else {

    sequence = 0 ;

}

  lastTimestamp = timestamp ;

  return (( timestamp - twepoch ) << timestampLeftShift ) |

    ( datacenterId << datacenterIdShift ) |

    ( workerId << workerIdShift ) |    sequence ;

}

if (timestamp < lastTimestamp) { //lastTimestamp，上次生成时间，本次生成时间

timestamp ，如果小于，说明时钟回拨

if (lastTimestamp == timestamp) {//说明两次生成ID的时间戳在同一毫秒内，否则，每一s从0

开始生成最后的序列号。

最终如何组成结果：

return ((timestamp - twepoch) << timestampLeftShift) |

(datacenterId << datacenterIdShift) |

(workerId << workerIdShift) |

sequence;

每一个号段向左移位置，在按位或，如下图：

这里解释了最终结果的构成，非常巧妙，综合了性能，变化点，生成了非常完美，不容易重合的一

个long数字，那么问题只剩下，相同时间如何拿到后边的12位序列了

if(lastTimestamp==timestamp){

//如果等走到这里：说明来给你个问题，第一：肯定生成过一次序列，那么sequence一定不可能从0开始

//sequenceMark=-1L^(-1L<<sequenceBits)经过前面基础知识，可知

//sequenceMask=0000000000000000000000000000000000000000000000000000111111111111

//如果sequence=0，说明：

//sequence+1=0000000000000000000000000000000000000000000000000001000000000000

//sequence= 0000000000000000000000000000000000000000000000000000111111111111

//说明此时sequence=4095，及已经增长到最大值

//初始进入此条件的时候，sequence=

0000000000000000000000000000000000000000000000000000000000000000

//经过sequence=(sequence+1)&sequenceMask;

//sequence=0000000000000000000000000000000000000000000000000000000000000001

sequence=(sequence+1)&sequenceMask;

//如果此处等于零，相当于4095之后，在同一秒内再次需要生成序列，此时根据设计12位，已经不能在生成

了，所以，相当于系统调整了下时间，把当前时间修改到下一秒钟，参考tilNextMillis(lastTimestamp)，不难理解了。

if(sequence==0){timestamp=tilNextMillis(lastTimestamp);

}

}

存在的问题：

问题1：

雪花算法的设计等价于单台机器

不变（符号位置）+变化（时间戳）+不变（最大31）+不变（最大31）+变化（0-+4096）

多台机器

不变（符号位置）(不变)+变化（时间戳）(多机会重复)+（不变（最大31）()+不变（最大31））

(组合不变)+变化（0-+4096）(可能重复)

等价于：

不变+不变+（变化）（自由组合）+不变

自由组合：可以分成2段，也可以是云主机一段，每个IP不通即可

问题2：时间回拨

这种设计，严重依赖服务器的时间，但是时间，不仅是哲学家的难题，也是计算机领域的一大难

题，至少linux上，存在时间同步等产生的时间跳跃问题，在分布式环境中，如果事件发生回拨，

则很大概率产生重复的ID。