分布式—雪花算法生成ID

一、简介

1、雪花算法的组成：

由64个Bit(比特)位组成的long类型的数字

0 | 0000000000 0000000000 0000000000 000000000 | 00000 | 00000 | 000000000000

1个bit：符号位，始终为0。
41个bit：时间戳，精确到毫秒级别，可以使用69年。
10个bit：工作机器ID，可以部署在1024个节点上。
12个bit：序列号，每个节点每毫秒内最多可以生成4096个ID。

2、雪花算法的优缺点

优点：

全局唯一：雪花算法生成的ID是全局唯一的，可以用于分布式系统中的数据分片和数据合并。
时间有序：雪花算法生成的ID中包含了时间戳信息，可以根据ID的大小推算出生成的时间。
高性能：雪花算法生成ID的速度很快，可以满足高并发的场景需求。
可扩展性：雪花算法的数据结构相对简单，易于扩展和修改。

缺点：

依赖于系统时钟：雪花算法生成ID的过程中依赖于系统时钟，如果系统时钟发生回拨，可能会导致生成的ID出现重复。
长度固定：雪花算法生成的ID长度固定为64位，可能会导致存储和传输成本较高。
不支持分布式计算：雪花算法生成ID的过程是单线程的，不能支持分布式计算。

二、项目中使用 

1、引入依赖 

<dependency><groupId>com.github.beyondfengyu</groupId><artifactId>snowflake-spring-boot-starter</artifactId><version>1.0.0</version>
</dependency>

2、配置参数 

snowflake:data-center-id: 1 # 数据中心ID，可以使用机器IP地址最后一段数字，范围为0-31machine-id: 1 # 机器ID，可以使用服务器编号，范围为0-31

3、使用 

@Service
public class OrderSevice {@Autowiredprivate SnowflakeIdWorker snowflakeIdWorker;public Long creatOrderId() {return snowflakeIdWorker.nextId();}
}

三、手写雪花算法生成ID

/*** 功能描述：雪花算法生成订单号*/
public class SnowFlakeTemplate {//起始的时间戳private final static long START_STAMP = 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 DATA_CENTER_BIT = 5;//数据中心占用的位数//每一部分的最大值private final static long MAX_DATA_CENTER_NUM = -1L ^ (-1L << DATA_CENTER_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 DATA_CENTER_LEFT = SEQUENCE_BIT + MACHINE_BIT;private final static long TIMESTAMP_LEFT = DATA_CENTER_LEFT + DATA_CENTER_BIT;private long dataCenterId; //数据中心private long machineId; //机器标识private long sequence = 0L; //序列号private long lastStamp = -1L;//上一次时间戳public SnowFlakeTemplate(long dataCenterId, long machineId) {if (dataCenterId > MAX_DATA_CENTER_NUM || dataCenterId < 0) {throw new IllegalArgumentException("dataCenterId can't be greaterthan MAX_DATA_CENTER_NUM or less than 0");}if (machineId > MAX_MACHINE_NUM || machineId < 0) {throw new IllegalArgumentException("machineId can't be greater thanMAX_MACHINE_NUM or less than 0");}this.dataCenterId = dataCenterId;this.machineId = machineId;}private String Prefix() {String randomPrefix = "";for (int i = 0; i < 2; i++) {char c = (char) (Math.random() * 26 + 'A');randomPrefix += c;}return randomPrefix;}//产生下一个IDpublic synchronized String nextId() {long currStamp = getNewStamp();if (currStamp < lastStamp) {throw new RuntimeException("Clock moved backwards. Refusing to generate id");}if (currStamp == lastStamp) {//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) {currStamp = getNextMill();}} else {//不同毫秒内，序列号置为0sequence = 0L;}lastStamp = currStamp;return Prefix() + ((currStamp - START_STAMP) << TIMESTAMP_LEFT //时间戳部分| dataCenterId << DATA_CENTER_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 = getNewStamp();while (mill <= lastStamp) {mill = getNewStamp();}return mill;}private long getNewStamp() {return System.currentTimeMillis();}public static void main(String[] args) {System.out.println(new SnowFlakeTemplate(2, 3).nextId() );}
}