SnowFlake 算法，是 Twitter 開源的分布式 id 生成算法。其核心思想就是：使用一個 64 bit 的 long 型的數字作為全局唯一 id ，在分布式系統中的應用十分廣泛。
給大家舉個例子吧，比如下面這個 64 bit 的 long 型數字，就是由雪花算法生成的id。
- 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，就是某個機房某台機器上這一毫秒內同時生成的 id 的序號，0000 00000000。
①1 bit：是不用的，為啥呢？
因為二進制里第一個 bit 為如果是 1，那么都是負數，但是我們生成的 id 都是正數，所以第一個 bit 統一都是 0。
②41 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，也就是可以標識 2 ^ 41 - 1 個毫秒值，換算成年就是表示 69 年的時間。
③10 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 台機器上，也就是 1024 台機器。但是 10 bit 里 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），每個機房里可以代表 2 ^ 5 個機器（32 台機器），也可以根據自己公司的實際情況確定。
④12 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，那么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后，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），然后接着 5 個 bit 設置上這個機房 id，還有 5 個 bit 設置上機器 id。最后再判斷一下，當前這台機房的這台機器上這一毫秒內，這是第幾個請求，給這次生成 id 的請求累加一個序號，作為最后的 12 個 bit。最終一個 64 個 bit 的 id 就出來了。
這個算法可以保證說，一個機房的一台機器上，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，但是有最后 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后，以后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 位來設置不同的標志位，區分每一個 id。
public class IdWorker {
//因為二進制里第一個 bit 為如果是 1，那么都是負數，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最多只能有31個數字，也就是說機器id最多只能是32以內
private long maxWorkerId = -1L ^ (-1L << workerIdBits);
// 這個是一個意思，就是5 bit最多只能有31個數字，機房id最多只能是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，讓當前這台機器上的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只能有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這個范圍內，避免你自己傳遞個sequence超過了4096這個范圍
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；將序號放最后12 bit
// 最后拼接起來成一個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) {
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：每秒中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：
（1）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沖突或者重復。
實際中我們的機房並沒有那么多，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。