雪花算法生成实例

最新推荐文章于 2024-08-12 15:10:36 发布

He Ain't Hero

最新推荐文章于 2024-08-12 15:10:36 发布

阅读量9.3k

点赞数 6

本文链接：https://blog.csdn.net/qq_35080796/article/details/109199411

版权

雪花算法生成实例

一、集群高并发情况下如何保证分布式唯一全局id生成？
二、一般通用方案
三、Hutool工具包代码实现

一、集群高并发情况下如何保证分布式唯一全局id生成？

1.1 为什么需要分布式全局唯一ID以及分布式ID的业务需求

对分库分表后需要有一个唯一ID来标识一条数据或消息；
特别一点的如订单、骑手、优惠券也都需要有唯一ID做标识

1.2 ID生成规则部分硬性要求

① 全局唯一：不能出现重复的ID号，作为唯一标识的基本要求
② 趋势递增：MySQL的InnoDB引擎中使用的是聚簇索引，多数索引使用B+树的数据结构来存储索引数据，在主键选择上应尽量使用有序的主键保证写入性能
③ 单调递增：保证下一个ID一定大于上一个ID，新增数据对于索引结构的影响也最小
④ 信息安全：ID信息安全
⑤ 含时间戳：快速了解分布式id的生成时间

1.3 ID号生成系统的可用性要求

① 高可用
② 低延迟
③ 高QPS

二、一般通用方案

2.1 UUID

UUID：（Universally Unique Identifier）的标准型式包含32个16进制数字，以连字号分为五段，形式为8-4-4-4-12的36个字符，示例：abcd1234-ef56-2356-elid-23fges458965
性能非常高：本地生成，没有网络消耗
缺点：
无序，每一次UUID数据的插入都会对主键的B+树进行很大的修改，容易引起B+树索引的分裂

2.2 数据库自增主键

数据库自增主键：分布式里，数据库的自增ID机制的主要原理是：数据库自增ID和mysql数据库的replace into实现的（replace into首先尝试插入数据列表中，如果发现表中已经有此行数据（根据主键或唯一索引判断）则先删除，再插入）
缺点：
系统水平扩展比较困难，比如定义好了步长和机器台数之后，如果要添加机器该怎么做？
每次获取ID都得读写一次数据库，非常影响性能，不符合分布式ID里面的延迟低和高QPS的规则（在高并发下，如果都去数据库里面获取id，那是非常影响性能的）

2.3 基于Redis生成全局id策略

基于Redis生成全局id策略：因为Redis是单线程的，天生保证原子性，可以使用原子操作INCR和INCRBY来实现
集群分布式
在Redis集群情况下，可以设置不同的增长步长，同事key一定要设置有效期
缺点：
配置麻烦，维护Redis集群

2.4 SnowFlake

Twitter的分布式自增ID算法：
①ID能够按照时间有序生成
②生成id的结果是一个64bit大小的整数，为一个Long型（转换成字符串后长度最多19）
③分布式系统内不会产生ID碰撞（由datacenter和workId作区分）并且效率较高
在这里插入图片描述
号段解析：
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

41bit-时间戳，毫秒级
-41位可以表示2⁴¹-1 个数字，
-如果只用来标识正整数（计算机中正数包含0），可以表示的数值范围是：0至2⁴¹-1，减1是因为可表示的数值范围是从0开始算的，而不是1（可以使用69年，到2039年）

10bit-工作机器id，用来记录工作机器id
-可以部署在2¹⁰ = 1024个节点，包括5位datacenter和5位workId
-5位（bit）可以表示的最大正整数是2⁵-1 = 31，即可以用0、1、2、3、…31这32个数字，来表示不同的datacenterId和workId

12bit-序列号，用来记录同毫秒内产生的不同id
-12位（bit）可以表示的最大正整数是2¹²-1 = 4095，即可以用0、1、2、3、…4094这4095个数字，来表示同一机器同一时间截（毫秒）内产生的4095个ID序号

三、Hutool工具包代码实现

Hutool是一个小而全的Java工具类库，通过静态方法封装，降低相关API的学习成本，提高工作效率，使Java拥有函数式语言般的优雅，让Java语言也可以“甜甜的”。
引入依赖：

 <!--包含雪花算法的Hutool工具包-->
 <dependency>
     <groupId>cn.hutool</groupId>
     <artifactId>hutool-all</artifactId>
     <version>5.4.4</version>
 </dependency>

在这里插入图片描述
Controller层：

/**
 * @Author: Ron
 * @Create: 2020 10:41
 */
@RestController
public class SnowFlakeController {
    @Autowired
    private OrderService orderService;

    @RequestMapping("/snowflake")
    public String index() {
        return orderService.getIDBySnowFlake();
    }
}

Service层：

/**
 * @Author: Ron
 * @Create: 2020 10:43
 */
public interface OrderService {
    String getIDBySnowFlake();
}

Impl：

/**
 * @Author: Ron
 * @Create: 2020 10:43
 */
@Service
public class OrderServiceImpl implements OrderService {

    @Autowired
    private IdGeneratorSnowflake idGenerator;

    @Override
    public String getIDBySnowFlake() {
        ExecutorService threadPool = Executors.newFixedThreadPool(5);
        for (int i = 0; i < 20; i++) {
            threadPool.submit(() -> {
                System.out.println(idGenerator.snowflakeId());
            });
        }
        threadPool.shutdown();
        return "Hello SnowFlake!!!";
    }
}

Mapper层：

/**
 * @Author: Ron
 * @Create: 2020 10:46
 */
@Repository
@Slf4j
public class IdGeneratorSnowflake {
    private long workId = 0;
    private long datacenterId = 1;
    private Snowflake snowflake = IdUtil.createSnowflake(workId, 1);

    @PostConstruct
    public void init() {
        workId = NetUtil.ipv4ToLong(NetUtil.getLocalhostStr());
        log.info("当前机器id: {}", workId);
    }

    public synchronized long snowflakeId() {
        return snowflake.nextId();
    }

    // 范围为0~31
    public synchronized long snowflakeId(long workId, long datacenterId) {
        Snowflake snowflake = IdUtil.createSnowflake(workId, datacenterId);
        return snowflake.nextId();
    }

    public static void main(String[] args) {
        System.out.println(new IdGeneratorSnowflake().snowflakeId());
    }

}

启动类：

@SpringBootApplication
public class TestApplication {

    public static void main(String[] args) {
        SpringApplication.run(TestApplication.class, args);
    }

}