雪花算法（SnowFlake）的学习与探索
什么是雪花算法
雪花算法是 Twitter 开源的在分布式环境下的一种分布式id生成算法。
雪花算法可以在分布式环境下保证：
1.生成的id按时间趋势递增
2.在系统内不会产生重复id
雪花算法的原理
雪花算法其核心思想就是：利用 时间戳+机器码+递增序列 组成一个64bit的Long类型id。
以图为例：
64位由 1个标识位 + 41位的时间戳 + 10位WorkerID（5位datacenterId + 5位machineId） + 12位序列 组成。
标识位：1bit-标识位，不使用，因为二进制中最高位是符号位，1表示负数，0表示正数。生成的id一般都是用整数，所以最高位固定为0。
时间戳：41bit-时间戳，用来记录时间戳，毫秒级。
WorkerID：10bit-工作机器id，用来记录工作机器id。其中5位为数据中心id(可以理解为机器库房id)，5位为机器id（可以理解为不同实例的id）。（ps:最多1023个实例）
序列号：12bit-序列号，用来记录同毫秒内产生的不同id。12位（bit）可以表示的最大正整数是[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-G9PwzATO-1638344368981)(https://math.jianshu.com/math?formula=2%5E%7B12%7D-1%20%3D%204095)]，支持1毫秒产生4095个自增序列id。
雪花算法的源码
在mybatisPlus中，有一个雪花算法的实现：com.baomidou.mybatisplus.toolkit.Sequence
可以通过debug观察整个雪花算法生成id的过程。
以下是网上找到的雪花算法源码注释版。
public class IdWorker {
//因为二进制里第一个 bit 为如果是 1，那么都是负数，但是我们生成的 id 都是正数，所以第一个 bit 统一都是 0。
//机器ID 2进制5位 32位减掉1位 31个
private long workerId;
//机房ID 2进制5位 32位减掉1位 31个
private long datacenterId;
//代表一毫秒内生成的多个id的最新序号 12位 4096 -1 = 4095 个
private long sequence;
//设置一个时间初始值 2^41 - 1 差不多可以用69年
private long twepoch = 1585644268888L;
//5位的机器id
private long workerIdBits = 5L;
//5位的机房id
private long datacenterIdBits = 5L;
//每毫秒内产生的id数 2 的 12次方
private long sequenceBits = 12L;
// 这个是二进制运算，就是5 bit最多只能有31个数字，也就是说机器id最多只能是32以内
private long maxWorkerId = -1L ^ (-1L << workerIdBits);
// 这个是一个意思，就是5 bit最多只能有31个数字，机房id最多只能是32以内
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);
//记录产生时间毫秒数，判断是否是同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) {
// 检查机房id和机器id是否超过31 不能小于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;
}
// 这个是核心方法，通过调用nextId()方法，让当前这台机器上的snowflake算法程序生成一个全局唯一的id
public synchronized long nextId() {
// 这儿就是获取当前时间戳，单位是毫秒
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));
}
// 下面是说假设在同一个毫秒内，又发送了一个请求生成一个id
// 这个时候就得把seqence序号给递增1，最多就是4096
if (lastTimestamp == timestamp) {
// 这个意思是说一个毫秒内最多只能有4096个数字，无论你传递多少进来，
//这个位运算保证始终就是在4096这个范围内，避免你自己传递个sequence超过了4096这个范围
sequence = (sequence + 1) & sequenceMask;
//当某一毫秒的时间，产生的id数 超过4095，系统会进入等待，直到下一毫秒，系统继续产生ID
if (sequence == 0) {
timestamp = tilNextMillis(lastTimestamp);
}
} else {
sequence = 0;
}
// 这儿记录一下最近一次生成id的时间戳，单位是毫秒
lastTimestamp = timestamp;
// 这儿就是最核心的二进制位运算操作，生成一个64bit的id
// 先将当前时间戳左移，放到41 bit那儿；将机房id左移放到5 bit那儿；将机器id左移放到5 bit那儿；将序号放最后12 bit
// 最后拼接起来成一个64 bit的二进制数字，转换成10进制就是个long型
return ((timestamp - twepoch) << timestampLeftShift) |
(datacenterId << datacenterIdShift) |
(workerId << workerIdShift) | sequence;
}
/**
* 当某一毫秒的时间，产生的id数 超过4095，系统会进入等待，直到下一毫秒，系统继续产生ID
* @param lastTimestamp
* @return
*/
private long tilNextMillis(long lastTimestamp) {
long timestamp = timeGen();
while (timestamp <= lastTimestamp) {
timestamp = timeGen();
}
return timestamp;
}
//获取当前时间戳
private long timeGen(){
return System.currentTimeMillis();
}
/**
* main 测试类
* @param args
*/
public static void main(String[] args) {
System.out.println(1&4596);
System.out.println(2&4596);
System.out.println(6&4596);
System.out.println(6&4596);
System.out.println(6&4596);
System.out.println(6&4596);
// IdWorker worker = new IdWorker(1,1,1);
// for (int i = 0; i < 22; i++) {
// System.out.println(worker.nextId());
// }
}
}mybatisPlus版雪花算法与原始雪花算法的区别
1.首先是在获取时间方面
传统大部分都是通过 System.currentTimeMillis() 获取当前时间戳，而mybatisPlus版本只在SystemClock对象实例化的时候获取了一次System.currentTimeMillis() ，然后开启了一个定时任务线程池去维护时间戳。思想有点类似于设计模式中的享元模式，使对象中存储的时间戳能够复用，减少了访问系统时间的次数，在高并发的情况下提升了性能。（System.currentTimeMillis() 之所以慢是因为去跟系统打了一次交道）
2.nextId()方法中的小区别
ID生成实践
为什么是64位的ID存到数据库却变成了19位的bigint数字？
64位是二进制数据，存进去的时候展示的是19位十进制的数据。
雪花算法存在的问题
1.时钟偏斜问题（Clock Skew）
当获取系统时间，机器时间回拨，则可能会造成ID重复。我们知道普通的计算机系统时钟并不能保证长久的一致性，可能发生时钟回拨等问题，这就会导致时间戳不准确，进而产生重复ID。
2.时间数据位数限制
Snowfake的方案由于时间数据位数的限制，存在与2038年问题相似的理论极限。虽然目前的系统设计考虑数十年后的问题还太早，但是还是有可能存在的。
3.机器id上限
如果机器过多，可能会导致10bit的工作机器id不够用。
