snowflake mysql_雪花算法（SnowFlake）

是什么

雪花算法 (SnowFlake )算法，是 Twitter 开源的分布式 id 生成算法。

有这么一种说法，自然界中并不存在两片完全一样的雪花的。每一片雪花都拥有自己漂亮独特的形状、独一无二。雪花算法也表示生成的ID如雪花般独一无二。

其核心思想是：使用一个 64 bit 的 long 型的数字作为全局唯一 id。在分布式系统中的应用十分广泛，且ID 引入了时间戳，基本上保持自增的。

这 64 个 bit 中，其中 1 个 bit 是不用的(我们生成的 id 都是正数，所以第一个 bit 统一都是 0)，然后用其中的 41 bit 作为毫秒数，用 10 bit 作为工作机器 id，12 bit 作为序列号。

image.png

这个算法可以保证说，一个机房的一台机器上，在同一毫秒内，生成了一个唯一的 id。可能一个毫秒内会生成多个 id，但是有最后 12 个 bit 的序号来区分开来。

为什么

SnowFlake可以保证：

所有生成的id按时间趋势递增，

整个分布式系统内不会产生重复id(因为有datacenterId和workerId来做区分)

SnowFlake算法的优点：

(1)高性能高可用：生成时不依赖于数据库，完全在内存中生成。

(2)容量大：每秒中能生成数百万的自增ID。

(3)ID自增：存入数据库中，索引效率高。

SnowFlake算法的缺点：

依赖系统时间的一致性，如果系统时间被回调，或者改变，可能会造成id冲突或者重复。

怎么做

public class IdWorker {

//因为二进制里第一个 bit 为如果是 1，那么都是负数，但是我们生成的 id 都是正数，所以第一个 bit 统一都是 0。

//机器ID 2进制5位 32位减掉1位 31个

private long workerId;

//机房ID 2进制5位 32位减掉1位 31个

private long datacenterId;

//代表一毫秒内生成的多个id的最新序号 12位 4096 -1 = 4095 个

private long sequence;

//设置一个时间初始值 2^41 - 1 差不多可以用69年

private long twepoch = 1585644268888L;

//5位的机器id

private long workerIdBits = 5L;

//5位的机房id

private long datacenterIdBits = 5L;

//每毫秒内产生的id数 2 的 12次方

private long sequenceBits = 12L;

// 这个是二进制运算，就是5 bit最多只能有31个数字，也就是说机器id最多只能是32以内

private long maxWorkerId = -1L ^ (-1L << workerIdBits);

// 这个是一个意思，就是5 bit最多只能有31个数字，机房id最多只能是32以内

private long maxDatacenterId = -1L ^ (-1L << datacenterIdBits);

private long workerIdShift = sequenceBits;

private long datacenterIdShift = sequenceBits + workerIdBits;

private long timestampLeftShift = sequenceBits + workerIdBits + datacenterIdBits;

private long sequenceMask = -1L ^ (-1L << sequenceBits);

//记录产生时间毫秒数，判断是否是同1毫秒

private long lastTimestamp = -1L;

public long getWorkerId(){

return workerId;

}

public long getDatacenterId() {

return datacenterId;

}

public long getTimestamp() {

return System.currentTimeMillis();

}

public IdWorker(long workerId, long datacenterId, long sequence) {

// 检查机房id和机器id是否超过31 不能小于0

if (workerId > maxWorkerId || workerId < 0) {

throw new IllegalArgumentException(

String.format("worker Id can't be greater than %d or less than 0",maxWorkerId));

}

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

throw new IllegalArgumentException(

String.format("datacenter Id can't be greater than %d or less than 0",maxDatacenterId));

}

this.workerId = workerId;

this.datacenterId = datacenterId;

this.sequence = sequence;

}

// 这个是核心方法，通过调用nextId()方法，让当前这台机器上的snowflake算法程序生成一个全局唯一的id

public synchronized long nextId() {

// 这儿就是获取当前时间戳，单位是毫秒

long timestamp = timeGen();

if (timestamp < lastTimestamp) {

System.err.printf(

"clock is moving backwards. Rejecting requests until %d.", lastTimestamp);

throw new RuntimeException(

String.format("Clock moved backwards. Refusing to generate id for %d milliseconds",

lastTimestamp - timestamp));

}

// 下面是说假设在同一个毫秒内，又发送了一个请求生成一个id

// 这个时候就得把seqence序号给递增1，最多就是4096

if (lastTimestamp == timestamp) {

// 这个意思是说一个毫秒内最多只能有4096个数字，无论你传递多少进来，

//这个位运算保证始终就是在4096这个范围内，避免你自己传递个sequence超过了4096这个范围

sequence = (sequence + 1) & sequenceMask;

//当某一毫秒的时间，产生的id数 超过4095，系统会进入等待，直到下一毫秒，系统继续产生ID

if (sequence == 0) {

timestamp = tilNextMillis(lastTimestamp);

}

} else {

sequence = 0;

}

// 这儿记录一下最近一次生成id的时间戳，单位是毫秒

lastTimestamp = timestamp;

// 这儿就是最核心的二进制位运算操作，生成一个64bit的id

// 先将当前时间戳左移，放到41 bit那儿；将机房id左移放到5 bit那儿；将机器id左移放到5 bit那儿；将序号放最后12 bit

// 最后拼接起来成一个64 bit的二进制数字，转换成10进制就是个long型

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

(datacenterId << datacenterIdShift) |

(workerId << workerIdShift) | sequence;

}

/**

* 当某一毫秒的时间，产生的id数 超过4095，系统会进入等待，直到下一毫秒，系统继续产生ID

* @param lastTimestamp

* @return

*/

private long tilNextMillis(long lastTimestamp) {

long timestamp = timeGen();

while (timestamp <= lastTimestamp) {

timestamp = timeGen();

}

return timestamp;

}

//获取当前时间戳

private long timeGen(){

return System.currentTimeMillis();

}

/**

* main 测试类

* @param args

*/

public static void main(String[] args) {

System.out.println(1&4596);

System.out.println(2&4596);

System.out.println(6&4596);

System.out.println(6&4596);

System.out.println(6&4596);

System.out.println(6&4596);

// IdWorker worker = new IdWorker(1,1,1);

// for (int i = 0; i < 22; i++) {

// System.out.println(worker.nextId());

// }

}

}

扩展：唯一ID生产方法

唯一ID可以标识数据的唯一性，在分布式系统中生成唯一ID的方案有很多，常见的方式大概有以下三种：

-依赖数据库，使用如MySQL自增列或Oracle序列等。

-UUID随机数

-snowflake雪花算法

数据库和UUID方案的不足之处

采用数据库自增序列：

读写分离时，只有主节点可以进行写操作，可能有单点故障的风险

分表分库，数据迁移合并等比较麻烦

UUID随机数：

采用无意义字符串，没有排序

UUID使用字符串形式存储，数据量大时查询效率比较低