雪花java_java项目雪花

现在我们来分析一下 Github 上 beyondfengyu 大佬基于 Java 实现的 SnowFlake，完整代码如下：

/**

* twitter的snowflake算法 -- java实现

*

* @author beyond

* @date 2016/11/26

*/

public class SnowFlake {

/**

* 起始的时间戳

*/

private final static long START_STMP = 1480166465631L;

/**

* 每一部分占用的位数

*/

private final static long SEQUENCE_BIT = 12; //序列号占用的位数

private final static long MACHINE_BIT = 5; //机器标识占用的位数

private final static long DATACENTER_BIT = 5;//数据中心占用的位数

/**

* 每一部分的最大值

*/

private final static long MAX_DATACENTER_NUM = -1L ^ (-1L << DATACENTER_BIT);

private final static long MAX_MACHINE_NUM = -1L ^ (-1L << MACHINE_BIT);

private final static long MAX_SEQUENCE = -1L ^ (-1L << SEQUENCE_BIT);

/**

* 每一部分向左的位移

*/

private final static long MACHINE_LEFT = SEQUENCE_BIT;

private final static long DATACENTER_LEFT = SEQUENCE_BIT + MACHINE_BIT;

private final static long TIMESTMP_LEFT = DATACENTER_LEFT + DATACENTER_BIT;

private long datacenterId; //数据中心

private long machineId; //机器标识

private long sequence = 0L; //序列号

private long lastStmp = -1L;//上一次时间戳

public SnowFlake(long datacenterId, long machineId) {

if (datacenterId > MAX_DATACENTER_NUM || datacenterId < 0) {

throw new IllegalArgumentException(

"datacenterId can't be greater than MAX_DATACENTER_NUM or less than 0");

}

if (machineId > MAX_MACHINE_NUM || machineId < 0) {

throw new IllegalArgumentException(

"machineId can't be greater than MAX_MACHINE_NUM or less than 0");

}

this.datacenterId = datacenterId;

this.machineId = machineId;

}

/**

* 产生下一个ID

*

* @return

*/

public synchronized long nextId() {

long currStmp = getNewstmp();

if (currStmp < lastStmp) {

throw new RuntimeException("Clock moved backwards. Refusing to generate id");

}

if (currStmp == lastStmp) {

//相同毫秒内，序列号自增

sequence = (sequence + 1) & MAX_SEQUENCE;

//同一毫秒的序列数已经达到最大

if (sequence == 0L) {

currStmp = getNextMill();

}

} else {

//不同毫秒内，序列号置为0

sequence = 0L;

}

lastStmp = currStmp;

return (currStmp - START_STMP) << TIMESTMP_LEFT //时间戳部分

| datacenterId << DATACENTER_LEFT //数据中心部分

| machineId << MACHINE_LEFT //机器标识部分

| sequence; //序列号部分

}

private long getNextMill() {

long mill = getNewstmp();

while (mill <= lastStmp) {

mill = getNewstmp();

}

return mill;

}

private long getNewstmp() {

return System.currentTimeMillis();

}

public static void main(String[] args) {

SnowFlake snowFlake = new SnowFlake(2, 3);

for (int i = 0; i < (1 << 12); i++) {

System.out.println(snowFlake.nextId());

}

}

}

在详细分析之前，我们先来回顾一下 Snowflake 算法的 ID 构成图：

ID 位分配

首位不用，默认为 0。41bit(第2-42位)时间戳，是相对时间戳，通过当前时间戳减去一个固定的历史时间戳生成。在 SnowFlake 类定义了一个 long 类型的静态变量 START_STMP，它的值为 1480166465631L：

/**

* 起始的时间戳：Sat Nov 26 2016 21:21:05 GMT+0800 (中国标准时间)

*/

private final static long START_STMP = 1480166465631L;

接着继续定义三个 long 类型的静态变量，来表示序列号和工作机器 ID 的占用位数：

/**

* 每一部分占用的位数

*/

private final static long SEQUENCE_BIT = 12; //序列号占用的位数

private final static long MACHINE_BIT = 5; //机器标识占用的位数

private final static long DATACENTER_BIT = 5;//数据中心占用的位数

此外还定义了每一部分的最大值，具体如下：

/**

* 每一部分的最大值

*/

private final static long MAX_DATACENTER_NUM = -1L ^ (-1L << DATACENTER_BIT); // 31

private final static long MAX_MACHINE_NUM = -1L ^ (-1L << MACHINE_BIT); // 31

private final static long MAX_SEQUENCE = -1L ^ (-1L << SEQUENCE_BIT); // 4095

构造函数

SnowFlake 类的构造函数，该构造函数含有 datacenterId 和 machineId 两个参数，它们分别表示数据中心 id 和机器标识：

private long datacenterId; //数据中心

private long machineId; //机器标识

public SnowFlake(long datacenterId, long machineId) {

if (datacenterId > MAX_DATACENTER_NUM || datacenterId < 0) {

throw new IllegalArgumentException(

"datacenterId can't be greater than MAX_DATACENTER_NUM or less than 0");

}

if (machineId > MAX_MACHINE_NUM || machineId < 0) {

throw new IllegalArgumentException(

"machineId can't be greater than MAX_MACHINE_NUM or less than 0");

}

this.datacenterId = datacenterId;

this.machineId = machineId;

}

生成 id

在 SnowFlake 类的实现中，在创建完 SnowFlake 对象之后，可以通过调用 nextId 方法来获取 ID。有的小伙伴可能对位运算不太清楚，这里先简单介绍一下 nextId 方法中，所用到的位运算知识。

按位与运算符(&)

参加运算的两个数据，按二进制位进行 “与” 运算，它的运算规则：

0&0=0; 0&1=0; 1&0=0; 1&1=1;

即两位同时为 1，结果才为 1，否则为 0。

清零：如果想将一个单元清零，只需要将它与一个各位都为零的数值相与即可。取一个数指定位的值：若需获取某个数指定位的值，只需把该数与指定位为 1，其余位为 0 所对应的数相与即可。

按位或运算(|) 参加运算的两个对象，按二进制位进行 “或” 运算，它的运算规则：

0|0=0; 0|1=1; 1|0=1; 1|1=1;

即仅当两位都为 0 时，结果才为 0。

左移运算符 <<

将一个运算对象的各二进制位全部左移若干位(左边的二进制位丢弃，右边补 0)。若左移时舍弃的高位不包含1，则每左移一位，相当于该数乘以 2。

在了解完位运算的相关知识后，我们再来看一下 nextId 方法的具体实现：

/**

* 产生下一个ID

*

* @return

*/

public synchronized long nextId() {

// 获取当前的毫秒数：System.currentTimeMillis()，该方法产生一个当前的毫秒，这个毫秒

// 其实就是自1970年1月1日0时起的毫秒数。

long currStmp = getNewstmp();

// private long lastTimeStamp = -1L; 表示上一次时间戳

// 检测是否出现时钟回拨

if (currStmp < lastStmp) {

throw new RuntimeException("Clock moved backwards. Refusing to generate id");

}

// 相同毫秒内，序列号自增

if (currStmp == lastStmp) {

// private long sequence = 0L; 序列号

// MAX_SEQUENCE = 4095 111111111111

// MAX_SEQUENCE + 1 = 4096 1000000000000

sequence = (sequence + 1) & MAX_SEQUENCE;

// 同一毫秒的序列数已经达到最大

if (sequence == 0L) {

// 阻塞到下一个毫秒，获得新的时间戳

currStmp = getNextMill();

}

} else {

//不同毫秒内，序列号置为0

sequence = 0L;

}

lastStmp = currStmp;

// MACHINE_LEFT = SEQUENCE_BIT; -> 12

// DATA_CENTER_LEFT = SEQUENCE_BIT + MACHINE_BIT; -> 17

// TIMESTAMP_LEFT = DATA_CENTER_LEFT + DATA_CENTER_BIT; -> 22

return (currStmp - START_STMP) << TIMESTMP_LEFT //时间戳部分

| datacenterId << DATACENTER_LEFT //数据中心部分

| machineId << MACHINE_LEFT //机器标识部分

| sequence; //序列号部分

}

现在我们来看一下使用方式：

public static void main(String[] args) {

SnowFlake snowFlake = new SnowFlake(2, 3);

for (int i = 0; i < (1 << 12); i++) {

System.out.println(snowFlake.nextId());

}

}

现在我们已经可以利用 SnowFlake 对象生成唯一 ID 了，那这个唯一 ID 有什么用呢？这里举一个简单的应用场景，即基于 SnowFlake 的短网址生成器，其主要思路是使用 SnowFlake 算法生成一个整数，然后对该整数进行 62 进制编码最终生成一个短地址 URL。对短网址生成器感兴趣的小伙伴，可以参考 徐刘根 大佬在码云上分享的工具类。

最后我们来简单总结一下，本文主要介绍了什么是 Snowflake(雪花)算法、Snowflake 算法 ID 构成图及其优缺点，最后详细分析了 Github 上 beyondfengyu 大佬基于 Java 实现的 SnowFlake。在实际项目中，建议大家选用基于 Snowflake 算法成熟的开源项目，如百度的 UidGenerator 或美团的 Leaf。