教你快速理解雪花算法的原理和java实现

一、简介

雪花算法是Twitter开源的分布式ID生成算法。生成的ID是一个64位的Long类型的数字，是一个全局唯一的ID；当然这64位的全局唯一ID是由时间戳、机器ID、序列号组成的，如果涉及到不同的机房，可以改进下由由时间戳、机房ID、机器ID、序列号组成。具体是如何分配的，如下图所示：

组成部分详解
1、最高位
是符号位，始终为0，因为需要正数；

2、时间戳
第二部分是41位的时间戳，自增的时间戳（毫秒级），最大可以存（2^41 - 1）的毫秒数，差不多可以存69年

3、机房ID
第三部分是5位的机房ID，最大支持（2^5 - 1）数的机房ID

4、机器ID
第四部分是5位的机器ID，最大支持（2^5 - 1）数的机器ID

5、序列号
第五部分是5位的机器ID，最大支持（2^12 - 1）的序列号，意思就是同一毫秒内支持4096个id，同一毫秒内可以生成4096个不同的id

二、思路

我们在生成全局唯一ID的时候，是请求到一个专门生成的ID的主机，请求的时候需要传入我们自己机房ID，机器ID

流程如下：

• 首先最高位不管，是符号位，始终是0；
• 然后将高位后面的41设置为当前时间戳 - 初始化时间戳
• 再将时间戳后面的5位设置为机房ID
• 再将机房ID后面的5位设置位机器ID
• 设置最后12位序列号的时候，如果当前同一毫秒内有多个生成请求，那么就通过这12位的序列号来区分；如果序列号超过最大值，那么就等到下一毫秒再生成。

三、实现

public class MySnowflake {
    /** 开始时间戳 */
    private final long startTimestamp = 1600758933000L;
    /** 机房ID */
    private long roomId;
    /** 机器ID */
    private long workId;
    /** 序列号 */
    private long serialNum;
    /** 机房ID 位长度 */
    private final long roomIdBits = 5L;
    /** 机器ID 位长度 */
    private final long workIdBits = 5L;
    /** 序列号 位长度 */
    private final long serialNumBits = 12L;
    /** 时间戳左移位数 */
    private final long timestampShiftBits = roomIdBits + workIdBits + serialNumBits;
    /** 机房ID左移位数 */
    private final long roomIdShiftBits = workIdBits + serialNumBits;
    /** 机器ID左移位数 */
    private final long workIdShiftBits = serialNumBits;
    /** 机房ID最大值 (-1L ^ (-1L << roomIdBits)) */
    private final long roomIdMax = 31L;
    /** 机器ID最大值 (-1L ^ (-1L << workIdMax)) */
    private final long workIdMax = 31L;
    /** 序列号最大值 (-1L ^ (-1L << serialNumBits)) */
    private final long serialNumMax = 4095L;
    /** 最后一次生成uuid的时间 */
    private long lastTimestamp = -1L;

    public MySnowflake(long roomId, long workId) {
        if (roomId < -1L || roomId > roomIdMax) {
            throw new RuntimeException("机房ID无效!");
        }
        if (workId < -1L || workId > workIdMax) {
            throw new RuntimeException("机器ID无效!");
        }

        this.roomId = roomId;
        this.workId = workId;
    }

    public synchronized long getUUID() {
        long currentTimestamp = System.currentTimeMillis();
        if (currentTimestamp < lastTimestamp) {
            throw new RuntimeException("当前时间戳比上次生成UUID的时间戳小!");
        }
        // 如果同一时刻同时收到另外一个生成请求，序列号就+1
        if (currentTimestamp == lastTimestamp) {
            // 如果累加值大于序列号最大值的时候就变为0,等到下一毫秒再生成
            serialNum = (serialNum + 1) & serialNumMax;
            if (0 == serialNum) {
                while (currentTimestamp <= lastTimestamp) {
                    currentTimestamp = System.currentTimeMillis();
                }
            }
        } else {
            serialNum = 0L;
        }

        lastTimestamp = currentTimestamp;
        long uuid = ((currentTimestamp - startTimestamp) << timestampShiftBits)
                | (roomId << roomIdShiftBits)
                | (workId << workIdShiftBits)
                | serialNum;
        return uuid;
    }

    public static void main(String[] args) {
    	// 机房ID为30，机器ID为30
        MySnowflake snowflake = new MySnowflake(30, 30);
        for (int i = 0; i < 50; i++) {
            System.out.println(snowflake.getUUID());
        }
    }
}

雪花算法的优点：

• 在内存中完成ID的生成，性能高
• 每秒能生成上百万的自增ID，容量大
• 这样自增的ID，存入到数据中，利于索引

雪花算法的缺点：

• 依赖与环境的时间，如果时间不一致，或者系统时间做了调整前置了，会导致ID冲突重复

好了，这次分享就到这里了，如果有理解不对的欢迎指出，一起学习。