分布式高并发下唯一标识snowflake算法

简介：

在系统小时，唯一标识的产生，可以利用公用模块来处理，比如数据库表的唯一键、或者缓存的唯一id等等方式。但在分布式高并发的系统中，如果还是这样使用公共模块，就会产生很大的风险和瓶颈。网上也有相关推荐的，twitter的snowflake就能解决这个问题。

snowflake满足了以下个要求： 
1. 只用64位就能达到要求；而无需128的方式。 
2. 考虑到排序的要求，标识的排序跟时间上基本能保持一致。 
3. 满足了预期服务时间内的，即在多少年内此算法适用。

snowflake算法核心：

如图，64位。主要由3块构成：时间戳、工作机器id、序列号。 
- 其中第一位不用，也可以理解作为正负数来使用，默认正数的。 
- 随后41位表示时间戳，在实际使用时，可以当做时间差来使用，比如现在离2017-01-01 00:00:00的时间差。这样的话，时间范围就能达到： (2^41-1)/(1000*60*60*24*365)=69.7年。 
- 中间10位用于工作机器的。可以用于 2^10-1=1023台机器。 
- 最后12位表示序列号，一个机器在一个毫秒时最大能产生 2^12-1=4095个。 
**在实际应用中，可能无需最大化的，比如时间戳只用30位就能达到要求的就无需41位，其他的同理。 
工作机器ID，可以是进程级别。机器级别的话，可以使用机器的mac地址或ip地址经过算法；如果是进程级别的话，可以使用path+进程标识；也可以混编，列如前5位标识机器，后5位标识进程。 
关于序列号有个注意点，如果一个毫秒内，序列号已经达到上限，就等到下一毫秒，同时序列号置零开始。**

具体代码：

public class MagicSnowFlake {

    //其实时间戳   2017-01-01 00:00:00
    private final static long twepoch = 1483200000000l;

    //10bit（位）的工作机器id  中IP标识所占的位数 8bit（位）
    private final static long ipIdBits = 8L;

    //IP标识最大值 255  即2的8次方减一。
    private final static long ipIdMax = ~ (-1L << ipIdBits);

    //10bit（位）的工作机器id  中数字标识id所占的位数 2bit（位）
    private final static long dataCenterIdBits = 2L;

    //数字标识id最大值 3  即2的2次方减一。
    private final static long dataCenterIdMax = ~ (-1L << dataCenterIdBits);

    //序列在id中占的位数 12bit
    private final static long seqBits = 12L;

    //序列最大值 4095 即2的12次方减一。
    private final static long seqMax = ~(-1L << seqBits);

    // 64位的数字：首位0  随后41位表示时间戳 随后10位工作机器id（8位IP标识 + 2位数字标识） 最后12位序列号
    private final static long dataCenterIdLeftShift = seqBits;
    private final static long ipIdLeftShift = seqBits + dataCenterIdBits;
    private final static long timeLeftShift = seqBits  + dataCenterIdBits + ipIdLeftShift;

    //IP标识(0~255)
    private long ipId;

    // 数据中心ID(0~3)
    private long dataCenterId;

    // 毫秒内序列(0~4095)
    private long seq = 0L;

    // 上次生成ID的时间截
    private long lastTime = -1L;

    public MagicSnowFlake(long ipId, long dataCenterId) {
        if(ipId < 0 || ipId > ipIdMax) {
            System.out.println(" ---------- ipId不在正常范围内(0~"+ipIdMax +") " + ipId);
            System.exit(0);
        }

        if(dataCenterId < 0 || dataCenterId > dataCenterIdMax) {
            System.out.println(" ---------- dataCenterId不在正常范围内(0~"+dataCenterIdMax +") " + dataCenterId);
            System.exit(0);
        }

        this.ipId = ipId;
        this.dataCenterId = dataCenterId;
    }

    public synchronized long nextId() {
        long nowTime = System.currentTimeMillis();

        if(nowTime < lastTime) {
            System.out.println(" ---------- 当前时间前于上次操作时间，当前时间有误: " + nowTime);
            System.exit(0);
        }

        if(nowTime == lastTime) {
            seq = (seq + 1) & seqMax;
            if(seq == 0) {
                nowTime = getNextTimeStamp();
            }
        } else {
            seq = 0L;
        }

        lastTime = nowTime;

        return ((nowTime - twepoch) << timeLeftShift)
                | (ipId << ipIdLeftShift)
                | (dataCenterId << dataCenterIdLeftShift)
                | seq;
    }

    private long getNextTimeStamp() {
        long nowTime;
        do {
            nowTime = System.currentTimeMillis();
        } while(nowTime <= lastTime);
        return nowTime;
    }
}

class ThreadSnowFlake extends Thread {

    MagicSnowFlake msf;

    int cnt = 0;

    public ThreadSnowFlake(MagicSnowFlake msf) {
        this.msf = msf;
    }

    public void run() {
        System.out.println();
        if(msf != null) {
            while(cnt < 10) {
                System.out.print(Thread.currentThread().getId() + " : " + msf.nextId());
                cnt ++;
            }
        }
    }
}


class AlgorithmMain {

    public static void main(String[] args) {

        MagicSnowFlake msf = new MagicSnowFlake(196, 2);

        ThreadSnowFlake t1 = new ThreadSnowFlake(msf);
        ThreadSnowFlake t2 = new ThreadSnowFlake(msf);

        t1.start();
        t2.start();
    }
}

结果如下：