Java實(shí)現(xiàn)雪花算法的原理
SnowFlake 算法,是 Twitter 開源的分布式 id 生成算法。其核心思想就是:使用一個(gè) 64 bit 的 long 型的數(shù)字作為全局唯一 id。在分布式系統(tǒng)中的應(yīng)用十分廣泛,且ID 引入了時(shí)間戳,基本上保持自增的,后面的代碼中有詳細(xì)的注解。
這 64 個(gè) bit 中,其中 1 個(gè) bit 是不用的,然后用其中的 41 bit 作為毫秒數(shù),用 10 bit 作為工作機(jī)器 id,12 bit 作為序列號(hào)。
給大家舉個(gè)例子吧,比如下面那個(gè) 64 bit 的 long 型數(shù)字:
- 第一個(gè)部分,是 1 個(gè) bit:0,這個(gè)是無意義的。
- 第二個(gè)部分是 41 個(gè) bit:表示的是時(shí)間戳。
- 第三個(gè)部分是 5 個(gè) bit:表示的是機(jī)房 id,10001。
- 第四個(gè)部分是 5 個(gè) bit:表示的是機(jī)器 id,1 1001。
- 第五個(gè)部分是 12 個(gè) bit:表示的序號(hào),就是某個(gè)機(jī)房某臺(tái)機(jī)器上這一毫秒內(nèi)同時(shí)生成的 id 的序號(hào),0000 00000000。
①1 bit:是不用的,為啥呢?
因?yàn)槎M(jìn)制里第一個(gè) bit 為如果是 1,那么都是負(fù)數(shù),但是我們生成的 id 都是正數(shù),所以第一個(gè) bit 統(tǒng)一都是 0。
②41 bit:表示的是時(shí)間戳,單位是毫秒。
41 bit 可以表示的數(shù)字多達(dá) 2^41 - 1,也就是可以標(biāo)識(shí) 2 ^ 41 - 1 個(gè)毫秒值,換算成年就是表示 69 年的時(shí)間。
③10 bit:記錄工作機(jī)器 id,代表的是這個(gè)服務(wù)最多可以部署在 2^10 臺(tái)機(jī)器上,也就是 1024 臺(tái)機(jī)器。
但是 10 bit 里 5 個(gè) bit 代表機(jī)房 id,5 個(gè) bit 代表機(jī)器 id。意思就是最多代表 2 ^ 5 個(gè)機(jī)房(32 個(gè)機(jī)房),每個(gè)機(jī)房里可以代表 2 ^ 5 個(gè)機(jī)器(32 臺(tái)機(jī)器),也可以根據(jù)自己公司的實(shí)際情況確定。
④12 bit:這個(gè)是用來記錄同一個(gè)毫秒內(nèi)產(chǎn)生的不同 id。
12 bit 可以代表的最大正整數(shù)是 2 ^ 12 - 1 = 4096,也就是說可以用這個(gè) 12 bit 代表的數(shù)字來區(qū)分同一個(gè)毫秒內(nèi)的 4096 個(gè)不同的 id。
簡單來說,你的某個(gè)服務(wù)假設(shè)要生成一個(gè)全局唯一 id,那么就可以發(fā)送一個(gè)請求給部署了 SnowFlake 算法的系統(tǒng),由這個(gè) SnowFlake 算法系統(tǒng)來生成唯一 id。
這個(gè) SnowFlake 算法系統(tǒng)首先肯定是知道自己所在的機(jī)房和機(jī)器的,比如機(jī)房 id = 17,機(jī)器 id = 12。
接著 SnowFlake 算法系統(tǒng)接收到這個(gè)請求之后,首先就會(huì)用二進(jìn)制位運(yùn)算的方式生成一個(gè) 64 bit 的 long 型 id,64 個(gè) bit 中的第一個(gè) bit 是無意義的。
接著 41 個(gè) bit,就可以用當(dāng)前時(shí)間戳(單位到毫秒),然后接著 5 個(gè) bit 設(shè)置上這個(gè)機(jī)房 id,還有 5 個(gè) bit 設(shè)置上機(jī)器 id。
最后再判斷一下,當(dāng)前這臺(tái)機(jī)房的這臺(tái)機(jī)器上這一毫秒內(nèi),這是第幾個(gè)請求,給這次生成 id 的請求累加一個(gè)序號(hào),作為最后的 12 個(gè) bit。
最終一個(gè) 64 個(gè) bit 的 id 就出來了,類似于:
這個(gè)算法可以保證說,一個(gè)機(jī)房的一臺(tái)機(jī)器上,在同一毫秒內(nèi),生成了一個(gè)唯一的 id??赡芤粋€(gè)毫秒內(nèi)會(huì)生成多個(gè) id,但是有最后 12 個(gè) bit 的序號(hào)來區(qū)分開來。
下面我們簡單看看這個(gè) SnowFlake 算法的一個(gè)代碼實(shí)現(xiàn),這就是個(gè)示例,大家如果理解了這個(gè)意思之后,以后可以自己嘗試改造這個(gè)算法。
總之就是用一個(gè) 64 bit 的數(shù)字中各個(gè) bit 位來設(shè)置不同的標(biāo)志位,區(qū)分每一個(gè) id。
SnowFlake 算法的實(shí)現(xiàn)代碼如下:
public class IdWorker { //因?yàn)槎M(jìn)制里第一個(gè) bit 為如果是 1,那么都是負(fù)數(shù),但是我們生成的 id 都是正數(shù),所以第一個(gè) bit 統(tǒng)一都是 0。 //機(jī)器ID 2進(jìn)制5位 32位減掉1位 31個(gè) private long workerId; //機(jī)房ID 2進(jìn)制5位 32位減掉1位 31個(gè) private long datacenterId; //代表一毫秒內(nèi)生成的多個(gè)id的最新序號(hào) 12位 4096 -1 = 4095 個(gè) private long sequence; //設(shè)置一個(gè)時(shí)間初始值 2^41 - 1 差不多可以用69年 private long twepoch = 1585644268888L; //5位的機(jī)器id private long workerIdBits = 5L; //5位的機(jī)房id private long datacenterIdBits = 5L; //每毫秒內(nèi)產(chǎn)生的id數(shù) 2 的 12次方 private long sequenceBits = 12L; // 這個(gè)是二進(jìn)制運(yùn)算,就是5 bit最多只能有31個(gè)數(shù)字,也就是說機(jī)器id最多只能是32以內(nèi) private long maxWorkerId = -1L ^ (-1L << workerIdBits); // 這個(gè)是一個(gè)意思,就是5 bit最多只能有31個(gè)數(shù)字,機(jī)房id最多只能是32以內(nèi) 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); //記錄產(chǎn)生時(shí)間毫秒數(shù),判斷是否是同1毫秒 private long lastTimestamp = -1L; public long getWorkerId(){ return workerId; } public long getDatacenterId() { return datacenterId; } public long getTimestamp() { return System.currentTimeMillis(); } public IdWorker(long workerId, long datacenterId, long sequence) { // 檢查機(jī)房id和機(jī)器id是否超過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; } // 這個(gè)是核心方法,通過調(diào)用nextId()方法,讓當(dāng)前這臺(tái)機(jī)器上的snowflake算法程序生成一個(gè)全局唯一的id public synchronized long nextId() { // 這兒就是獲取當(dāng)前時(shí)間戳,單位是毫秒 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)); } // 下面是說假設(shè)在同一個(gè)毫秒內(nèi),又發(fā)送了一個(gè)請求生成一個(gè)id // 這個(gè)時(shí)候就得把seqence序號(hào)給遞增1,最多就是4096 if (lastTimestamp == timestamp) { // 這個(gè)意思是說一個(gè)毫秒內(nèi)最多只能有4096個(gè)數(shù)字,無論你傳遞多少進(jìn)來, //這個(gè)位運(yùn)算保證始終就是在4096這個(gè)范圍內(nèi),避免你自己傳遞個(gè)sequence超過了4096這個(gè)范圍 sequence = (sequence + 1) & sequenceMask; //當(dāng)某一毫秒的時(shí)間,產(chǎn)生的id數(shù) 超過4095,系統(tǒng)會(huì)進(jìn)入等待,直到下一毫秒,系統(tǒng)繼續(xù)產(chǎn)生ID if (sequence == 0) { timestamp = tilNextMillis(lastTimestamp); } } else { sequence = 0; } // 這兒記錄一下最近一次生成id的時(shí)間戳,單位是毫秒 lastTimestamp = timestamp; // 這兒就是最核心的二進(jìn)制位運(yùn)算操作,生成一個(gè)64bit的id // 先將當(dāng)前時(shí)間戳左移,放到41 bit那兒;將機(jī)房id左移放到5 bit那兒;將機(jī)器id左移放到5 bit那兒;將序號(hào)放最后12 bit // 最后拼接起來成一個(gè)64 bit的二進(jìn)制數(shù)字,轉(zhuǎn)換成10進(jìn)制就是個(gè)long型 return ((timestamp - twepoch) << timestampLeftShift) | (datacenterId << datacenterIdShift) | (workerId << workerIdShift) | sequence; } /** * 當(dāng)某一毫秒的時(shí)間,產(chǎn)生的id數(shù) 超過4095,系統(tǒng)會(huì)進(jìn)入等待,直到下一毫秒,系統(tǒng)繼續(xù)產(chǎn)生ID * @param lastTimestamp * @return */ private long tilNextMillis(long lastTimestamp) { long timestamp = timeGen(); while (timestamp <= lastTimestamp) { timestamp = timeGen(); } return timestamp; } //獲取當(dāng)前時(shí)間戳 private long timeGen(){ return System.currentTimeMillis(); } /** * main 測試類 * @param args */ public static void main(String[] args) { System.out.println(1&4596); System.out.println(2&4596); System.out.println(6&4596); System.out.println(6&4596); System.out.println(6&4596); System.out.println(6&4596); // IdWorker worker = new IdWorker(1,1,1); // for (int i = 0; i < 22; i++) { // System.out.println(worker.nextId()); // } } }
SnowFlake算法的優(yōu)點(diǎn):
(1)高性能高可用:生成時(shí)不依賴于數(shù)據(jù)庫,完全在內(nèi)存中生成。
(2)容量大:每秒中能生成數(shù)百萬的自增ID。
(3)ID自增:存入數(shù)據(jù)庫中,索引效率高。
SnowFlake算法的缺點(diǎn):
依賴與系統(tǒng)時(shí)間的一致性,如果系統(tǒng)時(shí)間被回調(diào),或者改變,可能會(huì)造成id沖突或者重復(fù)。
實(shí)際中我們的機(jī)房并沒有那么多,我們可以改進(jìn)改算法,將10bit的機(jī)器id優(yōu)化,成業(yè)務(wù)表或者和我們系統(tǒng)相關(guān)的業(yè)務(wù)。
到此這篇關(guān)于Java實(shí)現(xiàn)雪花算法的原理的文章就介紹到這了,更多相關(guān)Java 雪花算法內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家!
相關(guān)文章
實(shí)戰(zhàn)分布式醫(yī)療掛號(hào)系統(tǒng)之整合Swagger2到通用模塊
這篇文章主要為大家介紹了實(shí)戰(zhàn)分布式醫(yī)療掛號(hào)系統(tǒng)之整合Swagger2到通用模塊,有需要的朋友可以借鑒參考下,希望能夠有所幫助,祝大家多多進(jìn)步,早日升職加薪2022-04-04Java實(shí)現(xiàn)刪除排序鏈表中的重復(fù)元素的方法
這篇文章主要介紹了Java實(shí)現(xiàn)刪除排序鏈表中的重復(fù)元素的方法,文中通過示例代碼介紹的非常詳細(xì),對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧2020-02-02設(shè)計(jì)模式之原型模式_動(dòng)力節(jié)點(diǎn)Java學(xué)院整理
這篇文章主要介紹了設(shè)計(jì)模式之原型模式,小編覺得挺不錯(cuò)的,現(xiàn)在分享給大家,也給大家做個(gè)參考。一起跟隨小編過來看看吧2017-08-08Java數(shù)組的遍歷與求和知識(shí)點(diǎn)
本篇文章給大家總計(jì)了Java數(shù)組的遍歷與求和的知識(shí)點(diǎn)以及需要注意的地方,需要的朋友參考學(xué)習(xí)下。2018-02-02Java中生成隨機(jī)數(shù)的實(shí)現(xiàn)方法總結(jié)
這篇文章主要介紹了Java中生成隨機(jī)數(shù)的實(shí)現(xiàn)方法總結(jié),其中多線程并發(fā)的實(shí)現(xiàn)方式尤為exciting,需要的朋友可以參考下2015-11-11