id生成算法

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