雪花算法工具类介绍

分手后的思念是犯贱 2024-03-22 19:27 101阅读 0赞

![在这里插入图片描述][bb28ce66deba47948b21232aec75f096.png]

## 简介 ##

雪花 （SnowFlake ）算法是一种分布式唯一ID生成算法，可以生成全局唯一的ID标识符，就像自然界中雪花一般没有相同的雪花。它的核心思想是将一个64位的整数分成4部分，分别是：

> 1位标识符：即最高位，始终为0，用于区分正数和负数。  
> 41位时间戳：表示生成ID的时间戳，精确到毫秒级别，可以使用69年。  
> 10位数据中心ID：表示数据中心的编号，可以支持1024个数据中心。  
> 12位机器ID：表示机器的编号，可以支持4096台机器。

snowflake生成的ID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datacenter和workerId作区分），并且效率较高。

在同一毫秒内，不同的机器或数据中心可以生成不同的序列号，通过这种方式保证了生成的ID的唯一性。另外，由于时间戳占据了64位整数的高位部分，因此生成的ID是越来越大的，可以满足一些需要按照时间顺序排序的场景需求。

雪花算法的优点在于：

> 简单易实现：主要依赖于时间戳、数据中心ID和机器ID三个参数，实现起来比较简单。  
> 唯一性：生成的ID具有全局唯一性，可以满足分布式系统的需求。  
> 时间有序：生成的ID是按照时间有序递增的，可以满足一些需要按照时间顺序排序的场景需求,存入数据库中，索引效率高。。  
> 可扩展性：可以根据需要增加数据中心ID和机器ID的位数，支持更多的数据中心和机器。  
> 高性能高可用：生成时不依赖于数据库，完全在内存中生成。  
> 容量大：每秒中能生成数百万的自增ID。

但是，雪花算法也存在一些缺点：

> 依赖于系统时钟：如果系统时钟回拨，则可能会生成重复的ID。  
> 数据中心ID和机器ID需要手动分配：需要手动配置数据中心ID和机器ID，不太方便管理。  
> 机器编号有限：12位机器ID只能支持4096台机器，如果需要支持更多的机器，则需要增加机器ID的位数。

综上所述，雪花算法是一种简单易实现、具有唯一性和时间有序性的分布式ID生成算法，适用于分布式系统中的唯一ID标识符的生成。

## Java实现 ##

public class Snowflake {
        
        // 开始时间戳，一般为项目启动时间
        private final long twepoch = 1288834974657L;
        // 机器ID所占的位数
        private final long workerIdBits = 5L;
        // 数据标识ID所占的位数
        private final long datacenterIdBits = 5L;
        // 支持的最大机器ID，结果是31
        private final long maxWorkerId = ~(-1L << workerIdBits);
        // 支持的最大数据标识ID，结果是31
        private final long maxDatacenterId = ~(-1L << datacenterIdBits);
        // 序列号所占的位数
        private final long sequenceBits = 12L;
        // 机器ID向左移12位
        private final long workerIdShift = sequenceBits;
        // 数据标识ID向左移17位(12+5)
        private final long datacenterIdShift = sequenceBits + workerIdBits;
        // 时间戳向左移22位(5+5+12)
        private final long timestampLeftShift = sequenceBits + workerIdBits + datacenterIdBits;
        // 生成序列的掩码，这里是4095
        private final long sequenceMask = ~(-1L << sequenceBits);
    
        private long workerId; // 机器ID
        private long datacenterId; // 数据标识ID
        private long sequence = 0L; // 序列号
        private long lastTimestamp = -1L; // 上次生成ID的时间戳
    
        public Snowflake(long workerId, long datacenterId) {
        
            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;
        }
    
        public synchronized long nextId() {
        
            long timestamp = timeGen();
    
            if (timestamp < lastTimestamp) {
        
                throw new RuntimeException(String.format("Clock moved backwards. Refusing to generate id for %d milliseconds", lastTimestamp - timestamp));
            }
    
            if (lastTimestamp == timestamp) {
        
                sequence = (sequence + 1) & sequenceMask; // 序列号自增
                if (sequence == 0) {
         // 序列号超过最大值，则等待下一个时间戳
                    timestamp = tilNextMillis(lastTimestamp);
                }
            } else {
        
                sequence = 0L; // 序列号重置为0
            }
    
            lastTimestamp = timestamp;
    
            return ((timestamp - twepoch) << timestampLeftShift) | (datacenterId << datacenterIdShift) | (workerId << workerIdShift) | 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) {
        
            Snowflake idWorker = new Snowflake(0, 0);
            for (int i = 0; i < 1000; i++) {
        
                long id = idWorker.nextId();
                System.out.println(Long.toBinaryString(id));
                System.out.println(id);
            }
        }
    }

## Java相关工具类 ##

Java版Snowflake开源库比较多，以下是一些常用的开源库及其使用方式：

1.  Twitter的snowflake：是雪花算法最早的Java实现版本，支持高并发、低延迟、高可用等特点。使用方式：
    
        Snowflake snowflake = new Snowflake(workerId, datacenterId);
        long id = snowflake.nextId();
2.  百度的UidGenerator：是基于Twitter的snowflake算法改进而来的，支持高性能、高可用、高并发等特点。使用方式：
    
        UidGenerator uidGenerator = UidGenerator.getUidGenerator();
        long id = uidGenerator.getUID();
3.  美团的Leaf：是一款高性能、轻量级的分布式ID生成器，支持多种ID生成算法，包括Snowflake算法。使用方式：
    
        SegmentIDGenImpl idGen = new SegmentIDGenImpl();
        idGen.init();
        long id = idGen.getId();
4.  阿里巴巴的nacos：是一款轻量级的服务注册与发现工具，其中包含了雪花算法的Java实现版本。使用方式：
    
        SnowFlake snowFlake = new SnowFlake(dataCenterId, machineId);
        long id = snowFlake.nextId();
5.  [yitter][]
6.  hutool工具类
    
        Snowflake snowflake = IdUtil.getSnowflake(1, 1);
        long id = snowflake.nextId();
    
    ![在这里插入图片描述][5e1b731011d04f1b8b5bb34319048090.png]  
      
    渺万里层云,千山暮雪,只影向谁去?

[bb28ce66deba47948b21232aec75f096.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/18/e1dda53352604bdd863f020df4c2d2c7.png
[yitter]: https://github.com/yitter/idgenerator/tree/master/Java
[5e1b731011d04f1b8b5bb34319048090.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/18/95890f1f5c034fbfa4e22da266513546.png