雪花算法

分布式全局唯一id

SnowFlake 算法，是 Twitter 开源的分布式 id 生成算法。其核心思想就是：使用一个 64 bit 的 long 型的数字作为全局唯一 id。在分布式系统中的应用十分广泛，且ID 引入了时间戳，基本上保持自增的，后面的代码中有详细的注解。

1.全局唯—

2.趋势递增

3.单调递增

4.信息安全

5.含时间戳

其他方案的缺点

（1）uuid.太长，不递增。影响数据库性能

（2）数字库自增整形。不适用大数据，分布式。重复。对数据库压力大。

（3）基于Redis生成全局id策略。

注意:在Redis集群情况下，同样和MySQL一样需要设置不同的增长步长，同时key一定要设置有效期

可以使用Redis集群来获取更高的吞吐量。

假如一个集群中有5台Redis。可以初始化每台Redis的值分别是1,2,3,4,5，然后步长都是5。
各个Redis生成的ID为:
A:1,6,11,16,21

B:2,7,12,17,22

c:3,8,13,18,23

D: 4,9,14,19,24

E: 5,10,15,20,25

litwitter的snowflake解决了这种需求，最初Twitter把存储系统从MySQL迁移到Cassand
ra(由Facebook开发一套开源分布式NoSQL数据库系统）因
为Cassandra没有顺序ID生成机制．所以开发了这样一套全局唯一ID生成服务。
Twitter的分布式雪花算法 SnowFlake，经测试snowflake每秒能够产生26万个自增可排序的ID

1、twitter的SnowFlake生成ID能够按照时间有序生成

2、SnowFlake算.法生成id的结果是一个64bit大小的整数，为一个Long型(转换成字符串后长度最多19)。

3、分布式系统内不会产生ID碰撞（由datacenter和lworkerld作区分）并且效率较高。分布式系统中，有一些需要使用全局唯一ID的场

景，生成ID的基本要求：
（1）在分布式的环境下必须全局且唯一。

（2）一般都需要单调递增,因为一般唯一ID都会存到数据库,而Innodb的特性就是将内容存储在主键索引树上:的叶子节点,而且是从左往

右,递增的,所以考虑到数据库性能，一般生成的id也最好是单调递增。为了防止lD冲突可以使用36位的UUID，但是UUID有一些缺点，首

先他相对比较长，另外UUID→般是无序的

64位：1符号位（永远不用，永远为0）+41bit时间戳+10bit工作进程位（机房）+12bit序列号位（机器）

可以用69年。用到2039年（1970年开始）

java代码(摘抄自github开源代码：https://github.com/beyondfengyu/SnowFlake/blob/master/SnowFlake.java ):

/**
 * twitter的snowflake算法 -- java实现
 * 
 * @author beyond
 * @date 2016/11/26
 */
public class SnowFlake {

    /**
     * 起始的时间戳
     */
    private final static long START_STMP = 1480166465631L;

    /**
     * 每一部分占用的位数
     */
    private final static long SEQUENCE_BIT = 12; //序列号占用的位数
    private final static long MACHINE_BIT = 5;   //机器标识占用的位数
    private final static long DATACENTER_BIT = 5;//数据中心占用的位数

    /**
     * 每一部分的最大值
     */
    private final static long MAX_DATACENTER_NUM = -1L ^ (-1L << DATACENTER_BIT);
    private final static long MAX_MACHINE_NUM = -1L ^ (-1L << MACHINE_BIT);
    private final static long MAX_SEQUENCE = -1L ^ (-1L << SEQUENCE_BIT);

    /**
     * 每一部分向左的位移
     */
    private final static long MACHINE_LEFT = SEQUENCE_BIT;
    private final static long DATACENTER_LEFT = SEQUENCE_BIT + MACHINE_BIT;
    private final static long TIMESTMP_LEFT = DATACENTER_LEFT + DATACENTER_BIT;

    private long datacenterId;  //数据中心
    private long machineId;     //机器标识
    private long sequence = 0L; //序列号
    private long lastStmp = -1L;//上一次时间戳

    public SnowFlake(long datacenterId, long machineId) {
        if (datacenterId > MAX_DATACENTER_NUM || datacenterId < 0) {
            throw new IllegalArgumentException("datacenterId can't be greater than MAX_DATACENTER_NUM or less than 0");
        }
        if (machineId > MAX_MACHINE_NUM || machineId < 0) {
            throw new IllegalArgumentException("machineId can't be greater than MAX_MACHINE_NUM or less than 0");
        }
        this.datacenterId = datacenterId;
        this.machineId = machineId;
    }

    /**
     * 产生下一个ID
     *
     * @return
     */
    public synchronized long nextId() {
        long currStmp = getNewstmp();
        if (currStmp < lastStmp) {
            throw new RuntimeException("Clock moved backwards.  Refusing to generate id");
        }

        if (currStmp == lastStmp) {
            //相同毫秒内，序列号自增
            sequence = (sequence + 1) & MAX_SEQUENCE;
            //同一毫秒的序列数已经达到最大
            if (sequence == 0L) {
                currStmp = getNextMill();
            }
        } else {
            //不同毫秒内，序列号置为0
            sequence = 0L;
        }

        lastStmp = currStmp;

        return (currStmp - START_STMP) << TIMESTMP_LEFT //时间戳部分
                | datacenterId << DATACENTER_LEFT       //数据中心部分
                | machineId << MACHINE_LEFT             //机器标识部分
                | sequence;                             //序列号部分
    }

    private long getNextMill() {
        long mill = getNewstmp();
        while (mill <= lastStmp) {
            mill = getNewstmp();
        }
        return mill;
    }

    private long getNewstmp() {
        return System.currentTimeMillis();
    }

    public static void main(String[] args) {
        SnowFlake snowFlake = new SnowFlake(2, 3);

        for (int i = 0; i < (1 << 12); i++) {
            System.out.println(snowFlake.nextId());
        }

    }
}

优点:
毫秒数在高位，自增序列在低位，整个ID都是趋势递增的。
不依赖数据库等第三方系统T以服务的方式部署，稳定性更高，生成ID的性能也是非常高的。可以根据自身业务特性分配bit位，非常灵活。
缺点:
依赖机器时钟，如果机器时钟回拨，会导致重复ID生成
在单机上是递增的，但是由于设计到分布式环境，每台机器上的时钟不可能完全同步，有时候会出现不是全局递增的情况(此缺点可以认为无所谓，一般分布式ID只要求趋势递增，并不会严格要求递增，90%的需求都只要求趋势递增)

时钟回拨

百度开源的分布式唯一ID生威器UidGeneratorLeaf―一美团点评分布式ID生成系统

Leaf——美团点评分布式ID生成系统