雪花算法生成分布式ID的时间回拨问题处理

一般方法

1.直接抛异常

2.延迟等待到最新时间(需要回拨时间比较短)

3.采用历史最大时间

package com.zjq.javabasic.algorithm;

/**
 * @description: 雪花算法-时间回拨问题
 * @create: 2022-01-20 16:55
 **/
public class SnowflakeTest {

    /**
     * 最大容忍时间, 单位毫秒, 即如果时钟只是回拨了该变量指定的时间, 那么等待相应的时间即可;
     * 考虑到sequence服务的高性能, 这个值不易过大
     */
    private static final long MAX_BACKWARD_MS = 5;
    /**
     * 开始时间戳,单位毫秒;这里是2021-06-01
     */
    private static final long TW_EPOCH = 1622476800000L;
    /**
     * 机器 ID 所占的位数
     */
    private static final long WORKER_ID_BITS = 5L;
    /**
     * 数据标识 ID 所占的位数
     */
    private static final long DATA_CENTER_ID_BITS = 5L;
    /**
     * 支持的最大机器ID,最大为31
     * <p>
     * PS. Twitter的源码是 -1L ^ (-1L << workerIdBits);这里最后和-1进行异或运算,由于-1的二进制补码的特殊性,就相当于进行取反。
     */
    private static final long MAX_WORKER_ID = ~(-1L << WORKER_ID_BITS);
    /**
     * 支持的最大机房ID,最大为31
     */
    private static final long MAX_DATA_CENTER_ID = ~(-1L << DATA_CENTER_ID_BITS);
    /**
     * 序列在 ID 中占的位数
     */
    private static final long SEQUENCE_BITS = 12L;
    /**
     * 机器 ID 向左移12位
     */
    private static final long WORKER_ID_SHIFT = SEQUENCE_BITS;
    /**
     * 机房 ID 向左移17位
     */
    private static final long DATA_CENTER_ID_SHIFT = SEQUENCE_BITS + WORKER_ID_BITS;
    /**
     * 时间截向左移22位
     */
    private static final long TIMESTAMP_LEFT_SHIFT = SEQUENCE_BITS + WORKER_ID_BITS + DATA_CENTER_ID_BITS;
    /**
     * 生成序列的掩码最大值,最大为4095
     */
    private static final long SEQUENCE_MASK = ~(-1L << SEQUENCE_BITS);
    /**
     * 工作机器 ID(0~31)
     */
    private final long workerId;
    /**
     * 机房 ID(0~31)
     */
    private final long dataCenterId;
    /**
     * 毫秒内序列(0~4095)
     */
    private long sequence = 0L;
    /**
     * 上次生成 ID 的时间戳
     */
    private long lastTimestamp = -1L;

    /**
     * 创建 ID 生成器的方式一: 使用工作机器的序号(也就是将机房的去掉给机器ID使用),范围是 [0, 1023],优点是方便给机器编号
     *
     * @param workerId 工作机器 ID
     */
    public SnowflakeTest(long workerId) {
        // 计算最大值
        long maxMachineId = (MAX_DATA_CENTER_ID + 1) * (MAX_WORKER_ID + 1) - 1;
        if (workerId < 0 || workerId > maxMachineId) {
            throw new IllegalArgumentException(String.format("Worker ID can't be greater than %d or less than 0", maxMachineId));
        }
        // 取高位部分作为机房ID部分
        this.dataCenterId = (workerId >> WORKER_ID_BITS) & MAX_DATA_CENTER_ID;
        // 取低位部分作为机器ID部分
        this.workerId = workerId & MAX_WORKER_ID;
    }

    /**
     * 创建 ID 生成器的方式二: 使用工作机器 ID 和机房 ID,优点是方便分机房管理
     *
     * @param dataCenterId 机房 ID (0~31)
     * @param workerId     工作机器 ID (0~31)
     */
    public SnowflakeTest(long dataCenterId, long workerId) {
        if (workerId > MAX_WORKER_ID || workerId < 0) {
            throw new IllegalArgumentException(String.format("Worker ID can't be greater than %d or less than 0", MAX_WORKER_ID));
        }
        if (dataCenterId > MAX_DATA_CENTER_ID || dataCenterId < 0) {
            throw new IllegalArgumentException(String.format("DataCenter ID can't be greater than %d or less than 0", MAX_DATA_CENTER_ID));
        }
        this.workerId = workerId;
        this.dataCenterId = dataCenterId;
    }

    /**
     * 获得下一个 ID(该方法是线程安全的)
     *
     * @return 返回一个长度位15的 long类型的数字
     */
    public synchronized long nextId() {
        long timestamp = timeGen();
        // 如果当前时间小于上一次 ID 生成的时间戳,说明发生时钟回拨,为保证ID不重复抛出异常。
        if (timestamp < lastTimestamp) {
            //如果小于容忍时间,直接设置历史最大时间
            long backTime = lastTimestamp - timestamp;
            if (backTime < MAX_BACKWARD_MS) {
                timestamp = lastTimestamp;
            } else {
                //抛异常
                throw new RuntimeException(String.format("Clock moved backwards. Refusing to generate id for %d milliseconds", lastTimestamp - timestamp));
            }
        }
        if (lastTimestamp == timestamp) {
            // 同一时间生成的,则序号+1
            sequence = (sequence + 1) & SEQUENCE_MASK;
            // 毫秒内序列溢出:超过最大值
            if (sequence == 0) {
                // 阻塞到下一个毫秒,获得新的时间戳
                timestamp = tilNextMillis(lastTimestamp);
            }
        } else {
            // 时间戳改变,毫秒内序列重置
            sequence = 0L;
        }
        // 上次生成 ID 的时间戳
        lastTimestamp = timestamp;
        // 移位并通过或运算拼到一起
        return ((timestamp - TW_EPOCH) << TIMESTAMP_LEFT_SHIFT)
                | (dataCenterId << DATA_CENTER_ID_SHIFT)
                | (workerId << WORKER_ID_SHIFT)
                | sequence;
    }

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

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

    public static void main(String[] args) {
        SnowflakeTest snowflakeTest = new SnowflakeTest(0, 0);
        System.out.println(snowflakeTest.nextId());
    }
}

  • 1
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
雪花算法(Snowflake)是一种分布式系统中用于生成唯一ID算法。它生成ID长度为16位。 雪花算法ID由以下几个部分组成: 1. 一个符号位:表示该ID是正数还是负数。如果是正数,则符号位为0,如果是负数,则符号位为1。 2. 一个时间戳:表示生成ID时间,单位是毫秒。由于时间戳占用了41位,因此最大可以表示的时间是2^41-1。在实际使用中,可以设置一个起始时间,然后计算当前时间与起始时间的差,得到时间戳。 3. 一个工作机器ID:表示生成ID的机器的唯一标识。一般情况下,可以使用机器的网络地址或者MAC地址来作为机器ID。工作机器ID占用了10位,因此最多可以支持2^10=1024个机器。 4. 一个序列号:表示同一毫秒内生成ID的序号。序列号占用了12位,因此最大可以支持生成2^12=4096个ID生成ID的过程如下: 1. 获取当前时间,计算与起始时间的差,得到时间戳。 2. 如果当前时间小于上次生成ID时间,则说明系统时钟回拨了,需要等待时钟追赶上来。 3. 如果当前时间等于上次生成ID时间,则需要增加序列号。 4. 如果当前时间大于上次生成ID时间,则说明时间戳已经到了下一毫秒,序列号需要重置为0。 5. 按照ID的组成部分,将符号位、时间戳、工作机器ID和序列号拼接在一起,组成一个16位的ID雪花算法生成ID具有以下特点: 1. 唯一性:通过工作机器ID和序列号的组合,保证了在同一毫秒内生成ID不会重复。 2. 有序性:根据时间戳的不同,ID可以按照生成时间先后进行排序。 3. 可分解性:根据ID的各个部分,可以解析出生成ID时间、工作机器ID等信息。 4. 高效性:生成ID的过程简单快速,不依赖于外部存储或数据库。 总的来说,雪花算法生成的16位ID具有较小的存储空间,同时保证了唯一性和有序性,在分布式系统中被广泛应用。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值