关于雪花算法

最新推荐文章于 2024-04-19 16:57:28 发布

小肥宅Lee

最新推荐文章于 2024-04-19 16:57:28 发布

阅读量392

点赞数 2

分类专栏：笔记文章标签： java

本文链接：https://blog.csdn.net/weixin_47617417/article/details/117392111

版权

笔记专栏收录该内容

8 篇文章 0 订阅

订阅专栏

关于雪花算法

介绍
在分布式的情况下，我们有可能会对数据库进行分库等操作，毕竟一个数据库大小是有限制的，一个数据库的存储空间不可能无限大，因此便需要多个数据库，但是这会涉及到一个问题，怎么才能保证我们的主键的id是惟一的，如果是直接自增的话，不同数据库里面可能就会出现相同的id，所以我们便需要全局唯一。
关于全局唯一
- 该系统下实现全局唯一：不能出现重复的id
- 在分布式系统中，经常需要对大量的数据、消息、http请求等进行唯一标识，例如：在分布式系统之间http请求需要唯一标识，调用链路分析的时候需要使用这个唯一标识。这个时候数据库自增主键已经不能满足需求，需要一个能够生成全局唯一ID的系统。
关于全局唯一id所需要满足的条件
- 不能出现重复id
- 高可用，Id生成是最为关键的，它会被许多关键系统调用，如果ID生成系统瘫痪，一旦出现问题，会造成严重影响。
- 单调递增：生成的下一个id一定是比前一个id要大
- 信息安全：如果生成的id一直是连续的，那么对于别人来爬取数据时便会非常容易
实现全局唯一的方案
- UUID实现
  - 优点
    + 代码简单
    + 迁移容易
  - 缺点
    + 无序，无法保证递增
    + 不易阅读，阅读性差
    + 采用的是字符串存储，查询效率慢，还浪费空间
- 使用redis实现：使用Incr进行累加具体的没了解。
  - 优点
    - 有递增序列，可读性强
  - 缺点
    - 当redis宕机了就凉凉了
    - 还有就是占用宽带，每次都要向redis请求
- Oracle实现
  - 实现的唯一的id标识，使用Sequence实现
- 雪花算法（SnoowFlake)
  - 往下瞧
谈谈雪花算法
- 首先啊，它是把64-bit分别划分成多段，分开来标示时间戳、工作区、序列号
- 第一位是符号为0表示为负数，因此第一位不使用
- 41-bit表示的一个时间戳
- 10-bit工作机器id，其中高五位表示数据中心id，低五位表示工作节点的id，最多可以容纳1024个节点
- 序列号，12bit，每个节点每毫秒0开始不断累加，最多可以累加到4095，一共可以产生4096个ID。
- SnowFlake算法在同一毫秒内最多可以生成多少个全局唯一ID呢：：同一毫秒的ID数量 = 1024 X 4096 = 4194304
- ```
  	![在这里插入图片描述](https://img-blog.csdnimg.cn/img_convert/27c178cca99b3f3fc8a058269cd9de2b.png#pic_center)
```
雪花算法的源码

/**
* <p>名称：IdWorker.java</p>
* <p>描述：分布式自增长ID</p>
* <pre>
*     Twitter的 Snowflake　JAVA实现方案
* </pre>
* 核心代码为其IdWorker这个类实现，其原理结构如下，我分别用一个0表示一位，用—分割开部分的作用：
* 1||0---0000000000 0000000000 0000000000 0000000000 0 --- 00000 ---00000 ---000000000000
* 在上面的字符串中，第一位为未使用（实际上也可作为long的符号位），接下来的41位为毫秒级时间，
* 然后5位datacenter标识位，5位机器ID（并不算标识符，实际是为线程标识），
* 然后12位该毫秒内的当前毫秒内的计数，加起来刚好64位，为一个Long型。
* 这样的好处是，整体上按照时间自增排序，并且整个分布式系统内不会产生ID碰撞（由datacenter和机器ID作区分），
* 并且效率较高，经测试，snowflake每秒能够产生26万ID左右，完全满足需要。
* <p>
* 64位ID (42(毫秒)+5(机器ID)+5(业务编码)+12(重复累加))

*/
public class IdWorker {
   // 时间起始标记点，作为基准，一般取系统的最近时间（一旦确定不能变动）
   private final static long twepoch = 1288834974657L;
   // 机器标识位数
   private final static long workerIdBits = 5L;
   // 数据中心标识位数
   private final static long datacenterIdBits = 5L;
   // 机器ID最大值
   private final static long maxWorkerId = -1L ^ (-1L << workerIdBits);
   // 数据中心ID最大值
   private final static long maxDatacenterId = -1L ^ (-1L << datacenterIdBits);
   // 毫秒内自增位
   private final static long sequenceBits = 12L;
   // 机器ID偏左移12位
   private final static long workerIdShift = sequenceBits;
   // 数据中心ID左移17位
   private final static long datacenterIdShift = sequenceBits + workerIdBits;
   // 时间毫秒左移22位
   private final static long timestampLeftShift = sequenceBits + workerIdBits + datacenterIdBits;

   private final static long sequenceMask = -1L ^ (-1L << sequenceBits);
   /* 上次生产id时间戳 */
   private static long lastTimestamp = -1L;
   // 0，并发控制
   private long sequence = 0L;

   private final long workerId;
   // 数据标识id部分
   private final long datacenterId;

   public IdWorker(){
       this.datacenterId = getDatacenterId(maxDatacenterId);
       this.workerId = getMaxWorkerId(datacenterId, maxWorkerId);
   }
   /**
    * @param workerId
    *            工作机器ID
    * @param datacenterId
    *            序列号
    */
   public IdWorker(long workerId, long datacenterId) {
       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;
   }
   /**
    * 获取下一个ID
    *
    * @return
    */
   public synchronized long nextId() {
       long timestamp = timeGen();
       if (timestamp < lastTimestamp) {
           throw new RuntimeException(String.format("Clock moved backwards.  Refusing to generate id for %d milliseconds", lastTimestamp - timestamp));
       }

       if (lastTimestamp == timestamp) {
           // 当前毫秒内，则+1
           sequence = (sequence + 1) & sequenceMask;
           if (sequence == 0) {
               // 当前毫秒内计数满了，则等待下一秒
               timestamp = tilNextMillis(lastTimestamp);
           }
       } else {
           sequence = 0L;
       }
       lastTimestamp = timestamp;
       // ID偏移组合生成最终的ID，并返回ID
       long nextId = ((timestamp - twepoch) << timestampLeftShift)
               | (datacenterId << datacenterIdShift)
               | (workerId << workerIdShift) | sequence;

       return nextId;
   }

   private long tilNextMillis(final long lastTimestamp) {
       long timestamp = this.timeGen();
       while (timestamp <= lastTimestamp) {
           timestamp = this.timeGen();
       }
       return timestamp;
   }

   private long timeGen() {
       return System.currentTimeMillis();
   }

   /**
    * <p>
    * 获取 maxWorkerId
    * </p>
    */
   protected static long getMaxWorkerId(long datacenterId, long maxWorkerId) {
       StringBuffer mpid = new StringBuffer();
       mpid.append(datacenterId);
       String name = ManagementFactory.getRuntimeMXBean().getName();
       if (!name.isEmpty()) {
           /*
            * GET jvmPid
            */
           mpid.append(name.split("@")[0]);
       }
       /*
        * MAC + PID 的 hashcode 获取16个低位
        */
       return (mpid.toString().hashCode() & 0xffff) % (maxWorkerId + 1);
   }

   /**
    * <p>
    * 数据标识id部分
    * </p>
    */
   protected static long getDatacenterId(long maxDatacenterId) {
       long id = 0L;
       try {
           InetAddress ip = InetAddress.getLocalHost();
           NetworkInterface network = NetworkInterface.getByInetAddress(ip);
           if (network == null) {
               id = 1L;
           } else {
               byte[] mac = network.getHardwareAddress();
               id = ((0x000000FF & (long) mac[mac.length - 1])
                       | (0x0000FF00 & (((long) mac[mac.length - 2]) << 8))) >> 6;
               id = id % (maxDatacenterId + 1);
           }
       } catch (Exception e) {
           System.out.println(" getDatacenterId: " + e.getMessage());
       }
       return id;
   }


   public static void main(String[] args) {
       //推特  26万个不重复的ID
       IdWorker idWorker = new IdWorker(0,0);
       for (int i = 0; i <2600 ; i++) {
           System.out.println(idWorker.nextId());
       }
   }

}

小肥宅Lee

关注

2
点赞
踩
0

收藏

觉得还不错? 一键收藏
0
评论
关于雪花算法

关于雪花算法介绍在分布式的情况下，我们有可能会对数据库进行分库等操作，毕竟一个数据库大小是有限制的，一个数据库的存储空间不可能无限大，因此便需要多个数据库，但是这会涉及到一个问题，怎么才能保证我们的主键的id是惟一的，如果是直接自增的话，不同数据库里面可能就会出现相同的id，所以我们便需要全局唯一。关于全局唯一该系统下实现全局唯一：不能出现重复的id在分布式系统中，经常需要对大量的数据、消息、http请求等进行唯一标识，例如：在分布式系统之间http请求需要唯一标识，调用链路分析的时候
复制链接

扫一扫