雪花算法|雪花算法（05）毫秒内序列
前面的内容把雪花算法的时间部分和机器信息部分都生成了，下面来生成最后一部分，就是毫秒内的序列。什么意思呢？我们在生成时间部分获取时间戳的时候，使用 long now = System.currentTimeMillis();
获取，是个毫秒级的时间戳，但是即使是这么短的时间，对于电脑来说也足够生成很多个id，所以很多id可能会在同一个毫秒内生成，也就是时间部分的数值一样。这个时候就要让同一个毫秒内生成的id加上数字序列标识，就是第三部分的序列。第三部分占的长度是12位，转成整数值就是4095，所以最后一部分的范围就是4095到0之间的数字。如果毫秒内访问的数量超过了这个限制怎么办？没法解决，只能强制等到下一毫秒再生产id。这就是第三部分的作用。
下面先定义一个序列初始值：
文章图片
序列由于和时间戳有关系，所以要加载时间戳真正开始使用之前：
文章图片
上面的逻辑做了判断，同一毫秒内就让序列加1，超过4095，就强制获取下一毫秒的值，等时间戳不是同一毫秒的时候，序列从新开始计算。看下如何强制获取下一毫秒：
文章图片
简单粗暴，就是while循环等下一毫秒就可以。这样毫秒内的序列数就算获取成功了。
我们三大部分的数字都获取成功了，最后直接位移加合并就行：
文章图片
这样雪花算法就写完了，下面执行一下测试：
文章图片
是一个18位的long类型数字，确实是我们要的结果。等等！是不是有问题？如果此时多个线程访问，会产生重复的id！现在的程序确实有多并发问题，需要加上锁：
文章图片
这样我们的雪花算法算是初步完成了。基本也符合项目对唯一id的要求！现在的写法和网上的例子还有些差别，下面我们讲讲差别相关的内容。
【雪花算法|雪花算法（05）毫秒内序列】代码地址：https://gitee.com/blueses/snowflake-demo 05
推荐阅读
- 画解算法（1.|画解算法：1. 两数之和）
- Guava|Guava RateLimiter与限流算法
- 错过（一）
- 一个选择排序算法
- SG平滑轨迹算法的原理和实现
- 《算法》-图[有向图]
- LeetCode算法题-11.|LeetCode算法题-11. 盛最多水的容器（Swift）
- 虚拟DOM-Diff算法详解
- 《数据结构与算法之美》——队列
- 算法回顾（SVD在协同过滤推荐系统中的应用）