雪花算法到底是啥原理?附 Java 實現!

SnowFlake 算法,是 Twitter 開源的分佈式 ID 生成算法。

其核心思想就是:使用一個 64 bit 的 long 型的數字作爲全局唯一 ID。在分佈式系統中的應用十分廣泛,且 ID 引入了時間戳,基本上保持自增的,後面的代碼中有詳細的註解。

這 64 個 bit 中,其中 1 個 bit 是不用的,然後用其中的 41 bit 作爲毫秒數,用 10 bit 作爲工作機器 ID,12 bit 作爲序列號。

給大家舉個例子吧,比如下面那個 64 bit 的 long 型數字:

  • 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同時生成的 id 的序號,0000 00000000。

1 bit:是不用的,爲啥呢?

因爲二進制裏第一個 bit 爲如果是 1,那麼都是負數,但是我們生成的 ID 都是正數,所以第一個 bit 統一都是 0。

41 bit:表示的是時間戳,單位是毫秒。

41 bit 可以表示的數字多達 2^41 - 1,也就是可以表示 2 ^ 41 - 1 個毫秒值,換算成年就是表示 69 年的時間。

10 bit:記錄工作機器 ID。

代表的是這個服務最多可以部署在 2^10 臺機器上,也就是 1024 臺機器。

但是 10 bit 裏 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),每個機房裏可以代表 2 ^ 5 個機器(32 臺機器),也可以根據自己公司的實際情況確定。

12 bit:這個是用來記錄同一個毫秒內產生的不同 ID。

12 bit 可以代表的最大正整數是 2 ^ 12 - 1 = 4096,也就是說可以用這個 12 bit 代表的數字來區分同一個毫秒內的 4096 個不同的 ID。

簡單來說,你的某個服務假設要生成一個全局唯一 ID,那麼就可以發送一個請求給部署了 SnowFlake 算法的系統,由這個 SnowFlake 算法系統來生成唯一 ID。

這個 SnowFlake 算法系統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。

接着 SnowFlake 算法系統接收到這個請求之後,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。

接着 41 個 bit,就可以用當前時間戳(單位到毫秒),然後接着 5 個 bit 設置上這個機房 ID,還有 5 個 bit 設置上機器 ID。

最後再判斷一下,當前這臺機房的這臺機器上這一毫秒內,這是第幾個請求,給這次生成 ID 的請求累加一個序號,作爲最後的 12 個 bit。

最終一個 64 個 bit 的 ID 就出來了,類似於:

這個算法可以保證,一個機房的一臺機器上,在同一毫秒內生成了一個唯一的 ID。可能一個毫秒內會生成多個 ID,但是有最後 12 個 bit 的序號來區分開來。

下面我們簡單看看這個 SnowFlake 算法的一個代碼實現,這就是個示例,大家如果理解了這個意思之後,以後可以自己嘗試改造這個算法。

總之就是用一個 64 bit 的數字中各個 bit 位來設置不同的標誌位,區分每一個 ID。

SnowFlake 算法的實現代碼如下:

 
public class IdWorker {
 
	//因爲二進制裏第一個 bit 爲如果是 1,那麼都是負數,但是我們生成的 id 都是正數,所以第一個 bit 統一都是 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;
	//代表一毫秒內生成的多個id的最新序號  12位 4096 -1 = 4095 個
	private long sequence;
	//設置一個時間初始值    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;
	//每毫秒內產生的id數 2 的 12次方
	private long sequenceBits = 12L;
	// 這個是二進制運算,就是5 bit最多隻能有31個數字,也就是說機器id最多隻能是32以內
	private long maxWorkerId = -1L ^ (-1L << workerIdBits);
	// 這個是一個意思,就是5 bit最多隻能有31個數字,機房id最多隻能是32以內
	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);
	//記錄產生時間毫秒數,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 不能小於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,通過調用nextId()方法,讓當前這臺機器上的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));
		}
 
		// 下面是說假設在同一個毫秒內,又發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最多隻能有4096個數字,無論你傳遞多少進來,
			//這個位運算保證始終就是在4096這個範圍內,避免你自己傳遞個sequence超過了4096這個範圍
			sequence = (sequence + 1) & sequenceMask;
			//當某一毫秒的時間,產生的id數 超過4095,系統會進入等待,直到下一毫秒,系統繼續產生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;將序號放最後12 bit
		// 最後拼接起來成一個64 bit的二進制數字,轉換成10進制就是個long型
		return ((timestamp - twepoch) << timestampLeftShift) |
				(datacenterId << datacenterIdShift) |
				(workerId << workerIdShift) | sequence;
	}
 
	/**
	 * 當某一毫秒的時間,產生的id數 超過4095,系統會進入等待,直到下一毫秒,系統繼續產生ID
	 * @param lastTimestamp
	 * @return
	 */
	private long tilNextMillis(long lastTimestamp) {
 
		long timestamp = timeGen();
 
		while (timestamp <= lastTimestamp) {
			timestamp = timeGen();
		}
		return timestamp;
	}
	//獲取當前時間戳
	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 算法的優點:

  1. 高性能高可用:生成時不依賴於數據庫,完全在內存中生成。
  2. 容量大:每秒鐘能生成數百萬的自增 ID。
  3. ID 自增:存入數據庫中,索引效率高。

SnowFlake 算法的缺點:

依賴與系統時間的一致性,如果系統時間被回調,或者改變,可能會造成 ID 衝突或者重複。

實際中我們的機房並沒有那麼多,我們可以改進改算法,將 10bit 的機器 ID 優化,成業務表或者和我們系統相關的業務。另外,關注公衆號Java技術棧,在後臺回覆:面試,可以獲取我整理的 Java 系列面試題和答案,非常齊全。

原文鏈接:https://blog.csdn.net/lq18050010830/article/details/89845790

版權聲明:本文爲CSDN博主「雨夜青草」的原創文章,遵循CC 4.0 BY-SA版權協議,轉載請附上原文出處鏈接及本聲明。

近期熱文推薦:

1.600+ 道 Java面試題及答案整理(2021最新版)

2.終於靠開源項目弄到 IntelliJ IDEA 激活碼了,真香!

3.阿里 Mock 工具正式開源,幹掉市面上所有 Mock 工具!

4.Spring Cloud 2020.0.0 正式發佈,全新顛覆性版本!

5.《Java開發手冊(嵩山版)》最新發布,速速下載!

覺得不錯,別忘了隨手點贊+轉發哦!

發表評論
所有評論
還沒有人評論,想成為第一個評論的人麼? 請在上方評論欄輸入並且點擊發布.
相關文章