我们现在大多 MySQL 数据库,生成 ID 的算法就是用的 SnowFlake,下面我们了解一下这个算法的生成原理,以及是如何工作的👀

# SnowFlake 算法

SnowFlake 是 twitter 公司内部分布式项目采用的 ID 生成算法,开源后广受国内大厂的好评。由这种算法生成的 ID,我们就叫做 SnowFlakeID。

SnowFlake 算法生成 id 的结果是一个 64bit 大小的整数,它的结构如下图:
image.png

分为四段:

第一段: 1 位为未使用,永远固定为 0。
(因为二进制中最高位是符号位,1 表示负数,0 表示正数。生成的 id 一般都是用正整数,所以最高位固定为 0 )

第二段: 41 位为毫秒级时间 (41 位的长度可以使用 69 年)

第三段: 10 位为 workerId (10 位的长度最多支持部署 1024 个节点)
(这里的 10 位又分为两部分,第一部分 5 位表示数据中心 ID(0-31)第二部分 5 位表示机器 ID(0-31))

第四段: 12 位为毫秒内的计数(12 位的计数顺序号支持每个节点每毫秒产生 4096 个 ID 序号)

代码实现:😎

import java.util.HashSet;
import java.util.concurrent.atomic.AtomicLong;
public class SnowFlake {
    // 时间 41 位
    private static long lastTime = System.currentTimeMillis();
    // 数据中心 ID 5 位 (默认 0-31)
    private long datacenterId = 0;
    private long datacenterIdShift = 5;
    // 机房机器 ID 5 位 (默认 0-31)
    private long workerId = 0;
    private long workerIdShift = 5;
    // 随机数 12 位 (默认 0~4095)
    private AtomicLong random = new AtomicLong();
    private long randomShift = 12;
    // 随机数的最大值
    private long maxRandom = (long) Math.pow(2, randomShift);
    public SnowFlake() {
    }
    public SnowFlake(long workerIdShift, long datacenterIdShift){
        if (workerIdShift < 0 ||
                datacenterIdShift < 0 ||
                workerIdShift + datacenterIdShift > 22) {
            throw new IllegalArgumentException("参数不匹配");
        }
        this.workerIdShift = workerIdShift;
        this.datacenterIdShift = datacenterIdShift;
        this.randomShift = 22 - datacenterIdShift - workerIdShift;
        this.maxRandom = (long) Math.pow(2, randomShift);
    }
    // 获取雪花的 ID
    private long getId() {
        return lastTime << (workerIdShift + datacenterIdShift + randomShift) |
                workerId << (datacenterIdShift + randomShift) |
                datacenterId << randomShift |
                random.get();
    }
    // 生成一个新的 ID
    public synchronized long nextId() {
        long now = System.currentTimeMillis();
        // 如果当前时间和上一次时间不在同一毫秒内,直接返回
        if (now > lastTime) {
            lastTime = now;
            random.set(0);
            return getId();
        }
	// 将最后的随机数,进行 + 1 操作
        if (random.incrementAndGet() < maxRandom) {
            return getId();
        }
        // 自选等待下一毫秒
        while (now <= lastTime) {
            now = System.currentTimeMillis();
        }
        lastTime = now;
        random.set(0);
        return getId();
    }
    // 测试
    public static void main(String[] args) {
        SnowFlake snowFlake = new SnowFlake();
        HashSet<Long> set = new HashSet<>();
        for (int i = 0; i < 10000; i++) {
            set.add(snowFlake.nextId());
        }
        System.out.println(set.size());
    }
}

代码中获取 id 的方法利用位运算实现

16312623841.png

1  |                    41                        |  5  |   5  |     12      
    
   0|0001100 10100010 10111110 10001001 01011100 00|00000|0 0000|0000 00000000 //41位的时间
   0|000000‭0 00000000 00000000 00000000 00000000 00|10001|0 0000|0000 00000000 //5位的数据中心ID
   0|0000000 00000000 00000000 00000000 00000000 00|00000|1 1001|0000 00000000 //5为的机器ID
or 0|0000000 00000000 00000000 00000000 00000000 00|00000|0 0000|‭0000 00000000‬ //12位的sequence
------------------------------------------------------------------------------------------
   0|0001100 10100010 10111110 10001001 01011100 00|10001|1 1001|‭0000 00000000‬ //结果:910499571847892992

# SnowFlake 优点:

  1. 所有生成的 id 按时间趋势递增
  2. 整个分布式系统内不会产生重复 id(因为有 datacenterId 和 workerId 来做区分)

# SnowFlake 不足:

由于 SnowFlake 强依赖时间戳,所以时间的变动会造成 SnowFlake 的算法产生错误。


更新于 阅读次数

请我喝[茶]~( ̄▽ ̄)~*

田埂、 微信支付

微信支付

田埂、 支付宝

支付宝

田埂、 贝宝

贝宝