雪花片算法的实现原理

难度指数：4星 考察评率 80%

开发年限：3-5年

一.概念

雪花算法：是由推特公司开发的，分布式ID生成算法，主要用于分库分表场景、全局ID作为业务主键，或者是全局唯一订单号的场景。

？一般雪花大约有10的19次方水分组成。在雪花形成的过程中，会形成的不同的结构分支，大自然当中不存在两片完全一样的雪花。由此引申而来。

方案：

​ UUID 、系统时间戳、Redis原子递增、数据库全局自增ID。？

要满足的特征：

​ ①单调递增：保证下一个ID号一定大于上一个ID。

​ ②保证安全：ID号需要无规则性，不能让别人随机猜到，增加用户恶意抓取数据的难度。

​ ③包含时间戳：记录系统时间；

​ ④高可用：发布一个获取分布式ID的请求，服务器要保证99.9999%情况的全局id。

⑤ 低延迟：发布一个分布式ID，要快！！！

​ ⑥高QPS：假设10万个创建id请求同时过来，服务器要顶住，可以成功创建。

​ 雪花算法：脱颖而出，UidGenerator Leaf算法。

二.组成*

四部分：

​ 64个bit位组成的long类型的数字。

2.1 1个bit位：符号位，不能是负数，所以一般是0

2.2 用41个bit位，来表示时间戳，这个时间戳就是系统记录的毫秒数。最大数：2的41次毫秒，69年。

2.3 10个bit位，表示工作机器的ID，保证多台服务器生成ID的唯一性。跨机房的时候，这10个bit位继续拆分2组，前面5个bit位：机房ID，后面：机器ID。最大次数：2的10次方，1024台机器。

2.4 用12个bit位来表示递增序列。用来记录在同一毫秒产生不同的ID的能力，4096个。

生成对应bit位的数据，然后组装到一起生成一个全局唯一ID。

三.优缺点

3.1 分布式系统内部，不会产生ID碰撞，效率非常高。

3.2 不需要依赖于第三方系统，稳定性高，可以自身业务分配bit位，非常灵活。

3.3 生成ID的性能非常高，每秒可以生成26万个自增可排序的ID。

3.4 依赖于机器时钟，可以忽略。

四.JAVA的雪花算法

public class SnowflakeIdWorker {
    // 开始时间戳（2015-01-01）
    private final static long twepoch = 1420041600000L;

    // 机器id所占的位数
    private final static long workerIdBits = 5L;

    // 数据标识id所占的位数
    private final static long datacenterIdBits = 5L;

    // 支持的最大机器id，结果是31（二进制：11111）
    private final static long maxWorkerId = -1L ^ (-1L << workerIdBits);

    // 支持的最大数据标识id，结果是31（二进制：11111）
    private final static long maxDatacenterId = -1L ^ (-1L << datacenterIdBits);

    // 序列在id中占的位数
    private final static long sequenceBits = 12L;

    // 机器ID向左移12位
    private final static long workerIdShift = sequenceBits;

    // 数据标识id向左移17位（12+5）
    private final static long datacenterIdShift = sequenceBits + workerIdBits;

    // 时间截向左移22位（5+5+12）
    private final static long timestampLeftShift = sequenceBits + workerIdBits + datacenterIdBits;

    // 生成序列的掩码，这里为4095（二进制：111111111111）
    private final static long sequenceMask = -1L ^ (-1L << sequenceBits);

    private long workerId;
    private long datacenterId;
    private long sequence = 0L;
    private long lastTimestamp = -1L;

    public 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 = datacenterId;
    }

    public synchronized long nextId() {
        long timestamp = timeGen();

        if (timestamp < lastTimestamp) {
            throw new RuntimeException(String.format("Clock moved backwards.  Refusing to generate id for %d milliseconds", lastTimestamp - timestamp));
        }

        if (lastTimestamp == timestamp) {
            sequence = (sequence + 1) & sequenceMask;
            if (sequence == 0) {
                timestamp = tilNextMillis(lastTimestamp);
            }
        } else {
            sequence = 0L;
        }

        lastTimestamp = timestamp;

        return ((timestamp - twepoch) << timestampLeftShift) | (datacenterId << datacenterIdShift) | (workerId << workerIdShift) | sequence;
    }

    protected long tilNextMillis(long lastTimestamp) {
        long timestamp = timeGen();
        while (timestamp <= lastTimestamp) {
            timestamp = timeGen();
        }
        return timestamp;
    }

    protected long timeGen() {
        return System.currentTimeMillis();
    }

    public static void main(String[] args) {
        SnowflakeIdWorker idWorker = new SnowflakeIdWorker(0, 0);
        for (int i = 0; i < 1000; i++) {
            long id = idWorker.nextId();
            System.out.println(id);
        }
    }
}

五.点评