id长度 雪花算法_分布式唯一ID生成算法-雪花算法

在我们的工作中，数据库某些表的字段会用到唯一的，趋势递增的订单编号，我们将介绍两种方法，一种是传统的采用随机数生成的方式，另外一种是采用当前比较流行的“分布式唯一ID生成算法-雪花算法”来实现。

一、时间戳随机数生成唯一ID

我们写一个for循环，用RandomUtil.generateOrderCode()生成1000个唯一ID，执行结果我们会发现出现重复的ID。

/**

* 随机数生成util

**/

public class RandomUtil {

private static final SimpleDateFormat dateFormatOne=new SimpleDateFormat("yyyyMMddHHmmssSS");

private static final ThreadLocalRandom random=ThreadLocalRandom.current();

//生成订单编号-方式一

public static String generateOrderCode(){

//TODO:时间戳+N为随机数流水号

return dateFormatOne.format(DateTime.now().toDate()) + generateNumber(4);

}

//N为随机数流水号

public static String generateNumber(final int num){

StringBuffer sb=new StringBuffer();

for (int i=1;i<=num;i++){

sb.append(random.nextInt(9));

}

return sb.toString();

}

}

鉴于此种“基于随机数生成”的方式在高并发的场景下并不符合我们的要求，接下来，我们将介绍另外一种比较流行的、典型的方式，即“分布式唯一ID生成算法-雪花算法”来实现。

对于“雪花算法”的介绍，各位小伙伴可以参考Github上的这一链接，我觉得讲得还是挺清晰的：https://github.com/souyunku/SnowFlake，详细的Debug在这里就不赘述了，下面截取了部分概述：

二、分布式唯一ID生成算法-雪花算法

我们写一个for循环，用SNOW_FLAKE.nextId() 生成1000个唯一ID，发现不会出现重复的。

/** * 雪花算法

*/

public class SnowFlake {

//起始的时间戳

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

//每一部分的最大值

private final static long MAX_DATA_CENTER_NUM = -1L ^ (-1L << DATA_CENTER_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 DATA_CENTER_LEFT = SEQUENCE_BIT + MACHINE_BIT;

private final static long TIMESTAMP_LEFT = DATA_CENTER_LEFT + DATA_CENTER_BIT;

private long dataCenterId; //数据中心

private long machineId; //机器标识

private long sequence = 0L; //序列号

private long lastStamp = -1L;//上一次时间戳

public SnowFlake(long dataCenterId, long machineId) {

if (dataCenterId > MAX_DATA_CENTER_NUM || dataCenterId < 0) {

throw new IllegalArgumentException("dataCenterId can't be greater than MAX_DATA_CENTER_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

public synchronized long nextId() {

long currStamp = getNewStamp();

if (currStamp < lastStamp) {

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

}

if (currStamp == lastStamp) {

//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) {

currStamp = getNextMill();

}

} else {

//不同毫秒内，序列号置为0

sequence = 0L;

}

lastStamp = currStamp;

return (currStamp - START_STAMP) << TIMESTAMP_LEFT //时间戳部分

| dataCenterId << DATA_CENTER_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 = getNewStamp();

while (mill <= lastStamp) {

mill = getNewStamp();

}

return mill;

}

private long getNewStamp() {

return System.currentTimeMillis();

}

}

综上，我们在高并发大量生成唯一ID时，避免生成重复ID，需要用第二种雪花算法生成。