id生成算法
1 使用随机数
说明
- 比如生成一个十二位的
id
,可以依次生成每一位,然后拼接到一起返回即可。
代码
public class Main {
public static Random r = new Random();
public static final int N = 12; // 生成的随机数长度
// 生成随机数
private static String generate() {
StringBuilder res = new StringBuilder();
for (int i = 0; i < N; i++) res.append(r.nextInt(10));
return res.toString();
}
public static void main(String[] args) {
System.out.println(generate());
}
}
优缺点
- 优点:简单,可以用于个人开发的小项目中。
- 缺点:不能解决重复问题。
2 使用UUID
说明
-
UUID是一个128比特的数值,这个数值可以通过一定的算法计算出来。
-
UUID是基于当前时间、计数器(counter)和硬件标识(通常为无线网卡的MAC地址)等数据计算生成的。
代码
import java.util.UUID;
public class Main {
// 生成随机数
private static String generate() {
return UUID.randomUUID().toString();
}
public static void main(String[] args) {
System.out.println(generate());
}
}
优缺点
-
优点:
- 本地生成,无网络消耗;
-
缺点:
-
不利于存储;
-
如果用做MySQL的主键,数据会按照主键进行排序,由于UUID的无序性,插入数据存在性能问题;
-
安全问题:基于MAC地址生成UUID的算法可能会造成MAC地址泄露。
-
3 雪花算法
思路
-
雪花算法是Twitter公司发明的一种分布式环境下id生成算法。
-
snowFlake算法最终生成ID的结果为一个64bit大小的整数,结构如下图:
(1)1bit:固定为0,这样为正数;
(2)41bit:从1开始计数,单位毫秒,可以使用 69.73 年;
(3)10bit:用于记录分布式系统中机器的id;
(4)12bit:使用0,1,2,…4094,这4095个数字来表示同一机器同一时间戳产生的4095个id序号。
理论上snowflake方案的QPS约为409.6w/s。
- 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。
代码
// 参考网址:https://blog.csdn.net/lq18050010830/article/details/89845790
public class Main {
// 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 Main(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
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();
}
public static void main(String[] args) {
Main worker = new Main(1,1,1);
for (int i = 0; i < 22; i++) {
System.out.println(worker.nextId());
}
}
}
优缺点
-
优点:
-
毫秒数在高位,自增序列在低位,整个id都是趋势递增的;
-
不依赖数据库等第三方系统,以服务的方式部署,稳定性更高,生成id的性能也是非常高的;
-
可以根据自身业务特性分配bit位,非常灵活。
-
-
缺点:
- 强依赖机器时钟,如果机器上时钟回拨,会导致发号重复或者服务会处于不可用状态。
4 leaf算法
思路
-
这是美团提出的一个算法。
-
详细讲解:美团分布式id生成算法。
-
待补充…
代码
// ...
// ...
优缺点