使用 Twitter的snowflake算法方案
snowflake是Twitter開源的分布式ID生成算法,結果是一個long型的ID。其核心思想是:使用41bit作為毫秒數,10bit作為機器的ID(5個bit是數據中心,5個bit的機器ID),12bit作為毫秒內的流水號(意味着每個節點在每毫秒可以產生 4096 個 ID),最后還有一個符號位,永遠是0。具體實現的代碼可以參看:https://github.com/twitter/snowflake
具體實現
package com.demon.common.utils.gen; import org.apache.commons.lang3.RandomUtils; import java.util.Date; /** * Twitter_Snowflake<br> * SnowFlake的結構如下(每部分用-分開):<br> * 0 - 0000000000 0000000000 0000000000 0000000000 0 - 00000 - 00000 - 000000000000 <br> * 1位標識,由於long基本類型在Java中是帶符號的,最高位是符號位,正數是0,負數是1,所以id一般是正數,最高位是0<br> * 41位時間截(毫秒級),注意,41位時間截不是存儲當前時間的時間截,而是存儲時間截的差值(當前時間截 - 開始時間截) * 得到的值),這里的的開始時間截,一般是我們的id生成器開始使用的時間,由我們程序來指定的(如下下面程序IdWorker類的startTime屬性)。41位的時間截,可以使用69年,年T = (1L << 41) / (1000L * 60 * 60 * 24 * 365) = 69<br> * 10位的數據機器位,可以部署在1024個節點,包括5位datacenterId和5位workerId<br> * 12位序列,毫秒內的計數,12位的計數順序號支持每個節點每毫秒(同一機器,同一時間截)產生4096個ID序號<br> * 加起來剛好64位,為一個Long型。<br> * SnowFlake的優點是,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(由數據中心ID和機器ID作區分),並且效率較高,經測試,SnowFlake每秒能夠產生26萬ID左右。 * * * @author Demon-HY * 為方便使用,只需要在同集群應用內將機器標識出不同的編號即可 * @date 2019-7-30 */ public class SnowflakeIdWorker { private static SnowflakeIdWorker idWorker; // TODO 部署多台服務,這里可以交給 Spring 管理,注入workerId static { idWorker = new SnowflakeIdWorker(1); } /** 開始時間截 (1980-01-01) FIXME 保證生成的編號有13位*/ // private static final long twepoch = 315504000000L; /** 開始時間截 (2019-07-01) */ private static final long twepoch = 1561910400000L; /** * 時間位取& */ private static final long timeBit = 0b1111111111111111111111111111111111111111110000000000000000000000L; /** 機器id所占的位數 */ private final long workerIdBits = 10L; /** 數據標識id所占的位數 */ private final long datacenterIdBits = 0L; /** 支持的最大機器id,結果是1023 (這個移位算法可以很快的計算出幾位二進制數所能表示的最大十進制數) */ private final long maxWorkerId = -1L ^ (-1L << workerIdBits); /** 支持的最大數據標識id,結果是0 */ private final long maxDatacenterId = -1L ^ (-1L << datacenterIdBits); /** 序列在id中占的位數 */ private final long sequenceBits = 12L; /** 機器ID向左移12位 */ private final long workerIdShift = sequenceBits; /** 數據標識id向左移22位(12+10) */ private final long datacenterIdShift = sequenceBits + workerIdBits; /** 時間截向左移22位(10+0+12) */ private final long timestampLeftShift = sequenceBits + workerIdBits + datacenterIdBits; /** 生成序列的掩碼,這里為4095 (0b111111111111=0xfff=4095) */ private final long sequenceMask = -1L ^ (-1L << sequenceBits); /** 工作機器ID(0~1023) */ private long workerId; /** 數據中心ID(0) */ private long datacenterId; /** 毫秒內序列(0~4095) */ private long sequence; private long initSequence; /** 上次生成ID的時間截 */ private long lastTimestamp = -1L; //==============================Constructors===================================== /** * 構造函數 * @param workerId 工作ID (0~1023) */ private SnowflakeIdWorker(long workerId) { this(workerId,0); } /** * 構造函數 * @param workerId 工作ID (0~1023) * @param datacenterId 數據中心ID (0) */ private SnowflakeIdWorker(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 = 0; //隨機生成2000種可能 this.initSequence=RandomUtils.nextInt(0,2000); this.sequence=initSequence; //FIXME 1ms內有2000種可猜測 } // ==============================Methods========================================== /** * 獲得下一個ID (該方法是線程安全的) * @return SnowflakeId */ private synchronized long nextId() { long timestamp = timeGen(); //如果當前時間小於上一次ID生成的時間戳,說明系統時鍾回退過這個時候應當拋出異常 if (timestamp < lastTimestamp) { throw new RuntimeException( String.format("Clock moved backwards. Refusing to generate id for %d milliseconds", lastTimestamp - timestamp)); } //如果是同一時間生成的,則進行毫秒內序列 if (lastTimestamp == timestamp) { sequence = (sequence + 1) & sequenceMask; //毫秒內序列溢出 if (sequence == 0) { //阻塞到下一個毫秒,獲得新的時間戳 timestamp = tilNextMillis(lastTimestamp); } } //時間戳改變,毫秒內序列重置 else { sequence = initSequence; } //上次生成ID的時間截 lastTimestamp = timestamp; //移位並通過或運算拼到一起組成64位的ID return ((timestamp - twepoch) << timestampLeftShift) // | (datacenterId << datacenterIdShift) // | (workerId << workerIdShift) // | sequence; } /** * 從ID中獲取時間 * @param id 由此類生成的ID */ public static Date getTime(long id){ return new Date(((timeBit&id)>>22)+twepoch); } /** * 阻塞到下一個毫秒,直到獲得新的時間戳 * @param lastTimestamp 上次生成ID的時間截 * @return 當前時間戳 */ private long tilNextMillis(long lastTimestamp) { long timestamp = timeGen(); while (timestamp <= lastTimestamp) { timestamp = timeGen(); } return timestamp; } /** * 返回以毫秒為單位的當前時間 * @return 當前時間(毫秒) */ private long timeGen() { return System.currentTimeMillis(); } /** * 獲取唯一ID */ public static Long getId() { return idWorker.nextId(); } /** * 獲取隨機字符串,length=13 */ public static String getRandomStr() { return Long.toString(idWorker.nextId(), Character.MAX_RADIX); } //==============================Test============================================= /** 測試 */ public static void main(String[] args) { for (int i = 0; i < 100; i++) { long id = SnowflakeIdWorker.getId(); String strId = SnowflakeIdWorker.getRandomStr(); System.out.println(id); System.out.println(strId); System.out.println(SnowflakeIdWorker.getTime(id)); } } } ———————————————— 版權聲明:本文為CSDN博主「Demon-HY」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。 原文鏈接:https://blog.csdn.net/u014186972/article/details/97799211