数据结构|雪花算法(snowflake)实现分布式ID的生成数据结构|snowflake

先分析一下：

文章图片

雪花算法简单描述：
一、 1位标识，由于long基本类型在Java中是带符号的，最高位是符号位，正数是0，负数是1，所以id一般是正数，最高位是0，是符号位，始终为0，不可用。
二、41位的时间序列，精确到毫秒级，41位的长度可以使用69年。时间位还有一个很重要的作用是可以根据时间进行排序。注意，41位时间截不是存储当前时间的时间截，而是存储时间截的差值（当前时间截 - 开始时间截)
得到的值），这里的的开始时间截，一般是我们的id生成器开始使用的时间，由我们程序来指定的（如下下面程序IdWorker类的startTime属性）。41位的时间截，可以使用69年，年T = (1L << 41) / (1000L * 60 * 60 * 24 * 365) = 69
三、10位的机器标识，10位的长度最多支持部署1024个节点。包括5位datacenterId和5位workerId
四、12位的计数序列号，序列号即一系列的自增id，可以支持同一节点同一毫秒生成多个ID序号，12位的计数序列号支持每个节点每毫秒产生4096个ID序号。
其中，10位器标识符一般是5位IDC+5位machine编号，唯一确定一台机器。
SnowFlake的优点是，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(由数据中心ID和机器ID作区分)，并且效率较高，
下面是代码实现：

public class SnowFlakeGenerator {// 起始的时间戳 private final static long START_STAMP = 1566886337L; /** * 可分配的位数 */ private final static int REMAIN_BIT_NUM = 22; /** * idc编号 */ private long idcId; /** * 机器编号 */ private long machineId; /** * 当前序列号 */ private long sequence = 0L; /** * 上次最新时间戳 */ private long lastStamp = -1L; //idc偏移量：一次计算出，避免重复计算 private int idcBitLeftOffset; //机器id偏移量：一次计算出，避免重复计算 private int machineBitLeftOffset; // 时间戳偏移量：一次计算出，避免重复计算 private int timestampBitLeftOffset; // 最大序列值：一次计算出，避免重复计算 private int maxSequenceValue; public static class Factory { //每一部分占用位数的默认值 private final static int DEFAULT_MACHINE_BIT_NUM = 5; //机器标识占用的位数 private final static int DEFAULT_IDC_BIT_NUM = 5; //数据中心占用的位数private int machineBitNum; private int idcBitNum; public Factory() { this.idcBitNum = DEFAULT_IDC_BIT_NUM; this.machineBitNum = DEFAULT_MACHINE_BIT_NUM; }public Factory(int machineBitNum, int idcBitNum) { this.idcBitNum = idcBitNum; this.machineBitNum = machineBitNum; }public SnowFlakeGenerator create(long idcId, long machineId) { return new SnowFlakeGenerator(this.idcBitNum, this.machineBitNum, idcId, machineId); } }private SnowFlakeGenerator(int idcBitNum, int machineBitNum, long idcId, long machineId) { int sequenceBitNum = REMAIN_BIT_NUM - idcBitNum - machineBitNum; if (idcBitNum <= 0 || machineBitNum <= 0 || sequenceBitNum <= 0) { throw new IllegalArgumentException("error bit number"); }this.maxSequenceValue = https://www.it610.com/article/~(-1 << sequenceBitNum); machineBitLeftOffset = sequenceBitNum; idcBitLeftOffset=machineBitNum+sequenceBitNum; timestampBitLeftOffset = idcBitNum + machineBitNum + sequenceBitNum; this.idcId = idcId; this.machineId = machineId; }// 产生下一个ID public long nextId() { long currentStamp = getTimeMill(); if (currentStamp < lastStamp) { throw new RuntimeException(String.format("Clock moved backwards. Refusing to generate id for %d milliseconds", lastStamp - currentStamp)); }//新的毫秒，序列从0开始，否则序列自增 if (currentStamp == lastStamp) { sequence = (sequence + 1) & this.maxSequenceValue; if (sequence == 0L) { //Twitter源代码中的逻辑是循环，直到下一个毫秒 currentStamp = tilNextMillis(); //throw new IllegalStateException("sequence over flow"); } } else { sequence = 0L; }lastStamp = currentStamp; return (currentStamp - START_STAMP) << timestampBitLeftOffset | idcId << idcBitLeftOffset | machineId << machineBitLeftOffset | sequence; }private long getTimeMill() { return System.currentTimeMillis(); }private long tilNextMillis() { long timestamp = getTimeMill(); while (timestamp <= lastStamp) { timestamp = getTimeMill(); } return timestamp; } }

【数据结构|雪花算法(snowflake)实现分布式ID的生成】