分布式系統中,有一些需要使用全局唯一ID的場景,這種時候為了防止ID沖突可以使用36位的UUID,但是UUID有一些缺點,首先他相對比較長,另外UUID一般是無序的。
有些時候我們希望能使用一種簡單一些的ID,並且希望ID能夠按照時間有序生成。
而twitter的SnowFlake解決了這種需求,最初Twitter把存儲系統從MySQL遷移到Cassandra,因為Cassandra沒有順序ID生成機制,所以開發了這樣一套全局唯一ID生成服務。
原理
Twitter的雪花算法SnowFlake,使用Java語言實現。
SnowFlake算法產生的ID是一個64位的整型,結構如下(每一部分用“-”符號分隔):
0 - 0000000000 0000000000 0000000000 0000000000 0 - 00000 - 00000 - 000000000000
1位標識部分,在java中由於long的最高位是符號位,正數是0,負數是1,一般生成的ID為正數,所以為0;
41位時間戳部分,這個是毫秒級的時間,一般實現上不會存儲當前的時間戳,而是時間戳的差值(當前時間-固定的開始時間),這樣可以使產生的ID從更小值開始;41位的時間戳可以使用69年,(1L << 41) / (1000L 60 60 24 365) = 69年;
10位節點部分,Twitter實現中使用前5位作為數據中心標識,后5位作為機器標識,可以部署1024個節點;
12位序列號部分,支持同一毫秒內同一個節點可以生成4096個ID;
SnowFlake算法生成的ID大致上是按照時間遞增的,用在分布式系統中時,需要注意數據中心標識和機器標識必須唯一,這樣就能保證每個節點生成的ID都是唯一的。或許我們不一定都需要像上面那樣使用5位作為數據中心標識,5位作為機器標識,可以根據我們業務的需要,靈活分配節點部分,如:若不需要數據中心,完全可以使用全部10位作為機器標識;若數據中心不多,也可以只使用3位作為數據中心,7位作為機器標識。
snowflake生成的ID整體上按照時間自增排序,並且整個分布式系統內不會產生ID碰撞(由datacenter和workerId作區分),並且效率較高。據說:snowflake每秒能夠產生26萬個ID。
源碼
1 package com.hjp.labs; 2 3 /** 4 * Twitter的分布式自增ID雪花算法snowflake 5 * @auther huang jianping 6 * @date 2019/6/19 10:36 7 */ 8 public class SnowFlake { 9 10 /** 11 * 起始的時間戳 12 */ 13 private final static long START_STMP = 1480166465631L; 14 15 /** 16 * 每一部分占用的位數 17 */ 18 private final static long SEQUENCE_BIT = 12; //序列號占用的位數 19 private final static long MACHINE_BIT = 5; //機器標識占用的位數 20 private final static long DATACENTER_BIT = 5;//數據中心占用的位數 21 22 /** 23 * 每一部分的最大值 24 */ 25 private final static long MAX_DATACENTER_NUM = -1L ^ (-1L << DATACENTER_BIT); 26 private final static long MAX_MACHINE_NUM = -1L ^ (-1L << MACHINE_BIT); 27 private final static long MAX_SEQUENCE = -1L ^ (-1L << SEQUENCE_BIT); 28 29 /** 30 * 每一部分向左的位移 31 */ 32 private final static long MACHINE_LEFT = SEQUENCE_BIT; 33 private final static long DATACENTER_LEFT = SEQUENCE_BIT + MACHINE_BIT; 34 private final static long TIMESTMP_LEFT = DATACENTER_LEFT + DATACENTER_BIT; 35 36 private long datacenterId; //數據中心 37 private long machineId; //機器標識 38 private long sequence = 0L; //序列號 39 private long lastStmp = -1L;//上一次時間戳 40 41 public SnowFlake(long datacenterId, long machineId) { 42 if (datacenterId > MAX_DATACENTER_NUM || datacenterId < 0) { 43 throw new IllegalArgumentException("datacenterId can't be greater than MAX_DATACENTER_NUM or less than 0"); 44 } 45 if (machineId > MAX_MACHINE_NUM || machineId < 0) { 46 throw new IllegalArgumentException("machineId can't be greater than MAX_MACHINE_NUM or less than 0"); 47 } 48 this.datacenterId = datacenterId; 49 this.machineId = machineId; 50 } 51 52 /** 53 * 產生下一個ID 54 * 55 * @return 56 */ 57 public synchronized long nextId() { 58 long currStmp = getNewstmp(); 59 if (currStmp < lastStmp) { 60 throw new RuntimeException("Clock moved backwards. Refusing to generate id"); 61 } 62 63 if (currStmp == lastStmp) { 64 //相同毫秒內,序列號自增 65 sequence = (sequence + 1) & MAX_SEQUENCE; 66 //同一毫秒的序列數已經達到最大 67 if (sequence == 0L) { 68 currStmp = getNextMill(); 69 } 70 } else { 71 //不同毫秒內,序列號置為0 72 sequence = 0L; 73 } 74 75 lastStmp = currStmp; 76 77 return (currStmp - START_STMP) << TIMESTMP_LEFT //時間戳部分 78 | datacenterId << DATACENTER_LEFT //數據中心部分 79 | machineId << MACHINE_LEFT //機器標識部分 80 | sequence; //序列號部分 81 } 82 83 private long getNextMill() { 84 long mill = getNewstmp(); 85 while (mill <= lastStmp) { 86 mill = getNewstmp(); 87 } 88 return mill; 89 } 90 91 private long getNewstmp() { 92 return System.currentTimeMillis(); 93 } 94 95 public static void main(String[] args) { 96 SnowFlake snowFlake = new SnowFlake(1, 1); 97 98 long start = System.currentTimeMillis(); 99 for (int i = 0; i < 1000000; i++) { 100 System.out.println(snowFlake.nextId()); 101 } 102 103 System.out.println(System.currentTimeMillis() - start); 104 105 106 } 107 }