帶你入門java雪花算法原理
雪花算法(SnowFlake)
雪花算法是Twitter開源的分布式ID生成算法.
主要是由64bit的long型生成的全局ID,引入了時間戳和ID保持自增的屬性.
64bit分為四個部分:
第一個部分是1bit, 這不 使用,沒有意義;
第二個部分是41bit, 組成時間戳;
第三個部分是10bit, 工作機器ID,里面分為兩個部分,5個bit是的是機房號,代表最多有25即32個機房,5個bit是指機器的ID,代表最多有25個機器,即32個機器 .
第四部分是12bit, 代表是同一個毫秒類產(chǎn)生不同的ID,區(qū)分同一個毫秒內(nèi)產(chǎn)生的ID.
總的來說就是一個機房,一臺機器,在同一號毫秒時產(chǎn)生的ID,可能在同一秒鐘產(chǎn)生不同的ID,最后12bit序列號可以區(qū)分在同一秒鐘的不同ID.
雪花算法保證:
1.所生成的ID按時間遞增
2.整個分布式系統(tǒng)不會有重復(fù)的ID
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 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 bit 中,其中 1 個 bit 是不用的,然后用其中的 41 bit 作為毫秒數(shù),用 10 bit 作為工作機器 id,12 bit 作為序列號。
給大家舉個例子吧,比如下面那個 64 bit 的 long 型數(shù)字:
- 第一個部分,是 1 個 bit:0,這個是無意義的。
- 第二個部分是 41 個 bit:表示的是時間戳。
- 第三個部分是 5 個 bit:表示的是機房 id,10001。
- 第四個部分是 5 個 bit:表示的是機器 id,1 1001。
- 第五個部分是 12 個 bit:表示的序號,就是某個機房某臺機器上這一毫秒內(nèi)同時生成的 id 的序號,0000 00000000。
①1 bit:是不用的,為啥呢?
因為二進制里第一個 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 bit 統(tǒng)一都是 0
②41 bit:表示的是時間戳,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 2 ^ 41 - 1 個毫秒值,換算成年就是表示 69 年的時間。
③10 bit:記錄工作機器 id,代表的是這個服務(wù)最多可以部署在 2^10 臺機器上,也就是 1024 臺機器。
但是 10 bit 里 5 個 bit 代表機房 id,5 個 bit 代表機器 id。意思就是最多代表 2 ^ 5 個機房(32 個機房),每個機房里可以代表 2 ^ 5 個機器(32 臺機器),也可以根據(jù)自己公司的實際情況確定。
④12 bit:這個是用來記錄同一個毫秒內(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 12 bit 代表的數(shù)字來區(qū)分同一個毫秒內(nèi)的 4096 個不同的 id。
簡單來說,你的某個服務(wù)假設(shè)要生成一個全局唯一 id,那么就可以發(fā)送一個請求給部署了 SnowFlake 算法的系統(tǒng),由這個 SnowFlake 算法系統(tǒng)來生成唯一 id。
這個 SnowFlake 算法系統(tǒng)首先肯定是知道自己所在的機房和機器的,比如機房 id = 17,機器 id = 12。
接著 SnowFlake 算法系統(tǒng)接收到這個請求之后,首先就會用二進制位運算的方式生成一個 64 bit 的 long 型 id,64 個 bit 中的第一個 bit 是無意義的。
接著 41 個 bit,就可以用當(dāng)前時間戳(單位到毫秒),然后接著 5 個 bit 設(shè)置上這個機房 id,還有 5 個 bit 設(shè)置上機器 id。
最后再判斷一下,當(dāng)前這臺機房的這臺機器上這一毫秒內(nèi),這是第幾個請求,給這次生成 id 的請求累加一個序號,作為最后的 12 個 bit。
最終一個 64 個 bit 的 id 就出來了,類似于:
這個算法可以保證說,一個機房的一臺機器上,在同一毫秒內(nèi),生成了一個唯一的 id??赡芤粋€毫秒內(nèi)會生成多個 id,但是有最后 12 個 bit 的序號來區(qū)分開來。
下面我們簡單看看這個 SnowFlake 算法的一個代碼實現(xiàn),這就是個示例,大家如果理解了這個意思之后,以后可以自己嘗試改造這個算法。
總之就是用一個 64 bit 的數(shù)字中各個 bit 位來設(shè)置不同的標(biāo)志位,區(qū)分每一個 id。
SnowFlake 算法的實現(xiàn)代碼如下:
public class IdWorker { //因為二進制里第一個 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 bit 統(tǒng)一都是 0。 //機器ID 2進制5位 32位減掉1位 31個 private long workerId; //機房ID 2進制5位 32位減掉1位 31個 private long datacenterId; //代表一毫秒內(nèi)生成的多個id的最新序號 12位 4096 -1 = 4095 個 private long sequence; //設(shè)置一個時間初始值 2^41 - 1 差不多可以用69年 private long twepoch = 1585644268888L; //5位的機器id private long workerIdBits = 5L; //5位的機房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; // 這個是二進制運算,就是5 bit最多只能有31個數(shù)字,也就是說機器id最多只能是32以內(nèi) private long maxWorkerId = -1L ^ (-1L << workerIdBits); // 這個是一個意思,就是5 bit最多只能有31個數(shù)字,機房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) { // 檢查機房id和機器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; } // 這個是核心方法,通過調(diào)用nextId()方法,讓當(dāng)前這臺機器上的snowflake算法程序生成一個全局唯一的id public synchronized long nextId() { // 這兒就是獲取當(dāng)前時間戳,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)在同一個毫秒內(nèi),又發(fā)送了一個請求生成一個id // 這個時候就得把seqence序號給遞增1,最多就是4096 if (lastTimestamp == timestamp) { // 這個意思是說一個毫秒內(nèi)最多只能有4096個數(shù)字,無論你傳遞多少進來, //這個位運算保證始終就是在4096這個范圍內(nèi),避免你自己傳遞個sequence超過了4096這個范圍 sequence = (sequence + 1) & sequenceMask; //當(dāng)某一毫秒的時間,產(chǎn)生的id數(shù) 超過4095,系統(tǒng)會進入等待,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的時間戳,單位是毫秒 lastTimestamp = timestamp; // 這兒就是最核心的二進制位運算操作,生成一個64bit的id // 先將當(dāng)前時間戳左移,放到41 bit那兒;將機房id左移放到5 bit那兒;將機器id左移放到5 bit那兒;將序號放最后12 bit // 最后拼接起來成一個64 bit的二進制數(shù)字,轉(zhuǎn)換成10進制就是個long型 return ((timestamp - twepoch) << timestampLeftShift) | (datacenterId << datacenterIdShift) | (workerId << workerIdShift) | sequence; } /** * 當(dāng)某一毫秒的時間,產(chǎn)生的id數(shù) 超過4095,系統(tǒng)會進入等待,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:
(1)高性能高可用:生成時不依賴于數(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:
依賴與系統(tǒng)時間的一致性,如果系統(tǒng)時間被回調(diào),或者改變,可能會造成id沖突或者重復(fù)。
實際中我們的機房并沒有那么多,我們可以改進改算法,將10bit的機器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)。
總結(jié)
本篇文章的內(nèi)容就到這了,希望大家可以喜歡,也希望大家可以多多關(guān)注腳本之家的其他精彩內(nèi)容!
相關(guān)文章
SpringBoot實現(xiàn)XSS攻擊防御的幾種方式
隨著Web應(yīng)用的普及,網(wǎng)絡(luò)安全問題也日益凸顯,跨站腳本攻擊(Cross-Site Scripting,簡稱XSS)是一種常見的Web安全漏洞,本文旨在探討如何在Spring Boot應(yīng)用程序中有效地防御XSS攻擊,我們將介紹兩種主要的防御手段:注解和過濾器,需要的朋友可以參考下2024-07-07Spring Cloud Config配置文件使用對稱加密的方法
Spring Cloud Config提供了兩種加密解密方式,一種是對稱加密,一種是非對稱加密。這篇文章將先展示如何使用對稱加密。感興趣的朋友跟隨腳步之家小編一起學(xué)習(xí)吧2018-05-05