雪花算法常用于分布式的项目中,是为了解决大数据产生的多表分表中,保证id的唯一性。
1.分布式的特点
- 全局唯一性:不能出现有重复ID的标识;
- 地增性:确保生成的ID对用于用户或业务是递增的;
- 高可用性:确保任何时候都能生成正确的ID;
- 高并发性:在高并发环境下表现良好;
2.分布式ID的常见解决方案
- UUID:Java自带的生成一串唯一随机36位字符串(32个字符串+4个“-”)的算法。它可以保证唯一性,且据说够用N亿年,但是其业务可读性差,无法有序递增。
- SnowFlake:是Twitter开源的由64位整数组成分布式ID,性能较高,并且在单机上递增。
- UidGenerator:UidGenerator是百度开源的分布式ID生成器,其基于雪花算法实现
- Leaf:Leaf是美团开源的分布式ID生成器,能保证全局唯一,趋势递增,但需要依赖关系数据库、Zookeeper等中间件。
3.雪花算法介绍
雪花算法的原理就是生成一个的 64 位比特位的 long 类型的唯一 id
- 第一位 最高 1 位固定值 0,因为生成的 id 是正整数,如果是 1 就是负数;
- 时间戳 占用41bit,精确到毫秒,总共可以容纳约69年的时间。
- 工作机器id 占用10bit,其中高位5bit是数据中心ID,低位5bit是工作节点ID,做多可以容纳1024个节点。
- .序列号 占用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。
4.雪花算法源码
/**
* Twitter的SnowFlake算法,使用SnowFlake算法生成一个整数,然后转化为62进制变成一个短地址URL
* Snowflake生成的是Long类型的ID,一个Long类型占8个字节,每个字节占8比特,也就是说一个Long类型占64个比特。
* Snowflake ID组成结构:正数位(占1比特)+ 时间戳(占41比特)+ 机器ID(占5比特)+ 数据中心(占5比特)+ 自增值(占12比特),总共64比特组成的一个Long类型。
* ● 第一个bit位(1bit):Java中long的最高位是符号位代表正负,正数是0,负数是1,一般生成ID都为正数,所以默认为0。
* ● 时间戳部分(41bit):毫秒级的时间,不建议存当前时间戳,而是用(当前时间戳 - 固定开始时间戳)的差值,可以使产生的ID从更小的值开始;41位的时间戳可以使用69年,(1L << 41) / (1000L * 60 * 60 * 24 * 365) = 69年
* ● 工作机器id(10bit):也被叫做workId,这个可以灵活配置,机房或者机器号组合都可以。
* ● 序列号部分(12bit),自增值支持同一毫秒内同一个节点可以生成4096个ID
* 根据这个算法的逻辑,只需要将这个算法用Java语言实现出来,封装为一个工具方法,那么各个业务应用可以直接使用该工具方法来获取分布式ID,只需保证每个业务应用有自己的工作机器id即可,而不需要单独去搭建一个获取分布式ID的应用。
*/
public class SnowFlakeUtil {
/**
* 起始的时间戳
*/
private final static long START_TIMESTAMP = 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_SEQUENCE = -1L ^ (-1L << SEQUENCE_BIT); // 4095
private final static long MAX_MACHINE_NUM = -1L ^ (-1L << MACHINE_BIT); //
private final static long MAX_DATA_CENTER_NUM = -1L ^ (-1L << DATA_CENTER_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 lastTimeStamp = -1L; //上一次时间戳
/**
* 获取到下一毫秒的时间戳
*
* @return long
*/
private long getNextMill() {
long mill = getNewTimeStamp();
while (mill <= lastTimeStamp) {
mill = getNewTimeStamp();
}
return mill;
}
/**
* 获取到当前时间戳
*
* @return long
*/
private long getNewTimeStamp() {
return System.currentTimeMillis();
}
/**
* 根据指定的数据中心ID和机器标志ID生成指定的序列号
* 机器id总共占5位,低12位序号id12位.因此要左移12位
* 数据中心id(机房id)占5位,低17位为机器id5位和序号id12位,因此要左移17位
* @param dataCenterId 数据中心ID
* @param machineId 机器标志ID
*/
public SnowFlakeUtil(long dataCenterId, long machineId) {
if (dataCenterId > MAX_DATA_CENTER_NUM || dataCenterId < 0) {
throw new IllegalArgumentException("DtaCenterId 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
* id号只有12位.同一毫秒内最多生产4096个.
* 超过时,申请下一个毫秒值
* @return
*/
public synchronized long nextId() {
// 1.获取到当前时间戳
long currTimeStamp = getNewTimeStamp();
// 2.如果当前时间戳小于上一次ID生成的时间戳,说明系统时钟回退过,这个时候应当抛出异常
if (currTimeStamp < lastTimeStamp) {
throw new RuntimeException("Clock moved backwards. Refusing to generate id");
}
// 3.在同一毫秒内
if (currTimeStamp == lastTimeStamp) {
// 4.相同毫秒内,序列号自增 MAX_SEQUENCE=4095(12位,序列号最大值)
// sequence + 1 =4096时sequence为0(相当于4095&4096)
sequence = (sequence + 1) & MAX_SEQUENCE;
//同一毫秒的序列数已经达到最大
if (sequence == 0L) {
// 5.获取下一个毫秒并赋值给当前毫秒
currTimeStamp = getNextMill();
}
} else {
//不同毫秒内,序列号置为0
sequence = 0L;
}
lastTimeStamp = currTimeStamp;
return (currTimeStamp - START_TIMESTAMP) << TIMESTAMP_LEFT //时间戳部分 低22位 数据中心id5位,机器标识id5位,序号id12位,因此左移22位
| 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
}
public static void main(String[] args) {
SnowFlakeUtil snowFlake = new SnowFlakeUtil(2L, 3L);
for (int i = 0; i < (1 << 4); i++) {
//10进制
System.out.println(snowFlake.nextId());
}
}
}
5.雪花算法的优缺点
优点
- 高并发分布式环境下生成不重复 id,每秒可生成百万个不重复 id。
- 基于时间戳,以及同一时间戳下序列号自增,基本保证 id 有序递增。
- 不依赖第三方库或者中间件。
- 算法简单,在内存中进行,效率高。
缺点
- 依赖服务器时间,服务器时钟回拨时可能会生成重复 id。算法中可通过记录最后一个生成 id 时的时间戳来解决,每次生成 id 之前比较当前服务器时钟是否被回拨,避免生成重复 id。