技術標籤：java雪花演算法的原理

SnowFlake 演算法，是 Twitter 開源的分散式ID生成演算法。其核心思想就是：使用一個 64 bit 的 long 型的數字作為全域性唯一ID。在分散式系統中的應用十分廣泛，且 ID 引入了時間戳，基本上保持自增的，後面的程式碼中有詳細的註解。

這 64 個 bit 中，其中 1 個 bit 是不用的，然後用其中的 41 bit 作為毫秒數，用 10 bit 作為工作機器ID，12 bit 作為序列號。

給大家舉個例子吧，比如下面那個 64 bit 的 long 型數字：

• 第一個部分是 1 個 bit：0，這個是無意義的。

• 第二個部分是 41 個 bit：表示的是時間戳。

• 第三個部分是 5 個 bit：表示的是機房 ID，10001。

• 第四個部分是 5 個 bit：表示的是機器 ID，1 1001。

• 第五個部分是 12 個 bit：表示的序號，就是某個機房某臺機器上這一毫秒內同時生成的 id 的序號，0000 00000000。

1 bit：是不用的，為啥呢？

因為二進位制裡第一個 bit 為如果是 1，那麼都是負數，但是我們生成的 ID都是正數，所以第一個 bit 統一都是 0。

41 bit：表示的是時間戳，單位是毫秒。

41 bit 可以表示的數字多達 2^41 - 1，也就是可以表示 2 ^ 41 - 1 個毫秒值，換算成年就是表示 69 年的時間。

10 bit：記錄工作機器 ID。

代表的是這個服務最多可以部署在 2^10 臺機器上，也就是 1024 臺機器。

但是 10 bit 裡 5 個 bit 代表機房 ID，5 個 bit 代表機器 ID。意思就是最多代表 2 ^ 5 個機房（32 個機房），每個機房裡可以代表 2 ^ 5 個機器（32 臺機器），也可以根據自己公司的實際情況確定。

12 bit：這個是用來記錄同一個毫秒內產生的不同 ID。

12 bit 可以代表的最大正整數是 2 ^ 12 - 1 = 4096，也就是說可以用這個 12 bit 代表的數字來區分同一個毫秒內的 4096 個不同的 ID。

簡單來說，你的某個服務假設要生成一個全域性唯一 ID，那麼就可以傳送一個請求給部署了 SnowFlake 演算法的系統，由這個 SnowFlake 算法系統來生成唯一 ID。

這個 SnowFlake 算法系統首先肯定是知道自己所在的機房和機器的，比如機房 ID = 17，機器 ID = 12。

接著 SnowFlake 算法系統接收到這個請求之後，首先就會用二進位制位運算的方式生成一個 64 bit 的 long 型 ID，64 個 bit 中的第一個 bit 是無意義的。

接著 41 個 bit，就可以用當前時間戳（單位到毫秒），然後接著 5 個 bit 設定上這個機房 ID，還有 5 個 bit 設定上機器 ID。

最後再判斷一下，當前這臺機房的這臺機器上這一毫秒內，這是第幾個請求，給這次生成 ID 的請求累加一個序號，作為最後的 12 個 bit。

最終一個 64 個 bit 的 ID 就出來了，類似於：

這個演算法可以保證，一個機房的一臺機器上，在同一毫秒內生成了一個唯一的 ID。可能一個毫秒內會生成多個 ID，但是有最後 12 個 bit 的序號來區分開來。

下面我們簡單看看這個 SnowFlake 演算法的一個程式碼實現，這就是個示例，大家如果理解了這個意思之後，以後可以自己嘗試改造這個演算法。

總之就是用一個 64 bit 的數字中各個 bit 位來設定不同的標誌位，區分每一個 ID。

SnowFlake 演算法的實現程式碼如下：

publicclassIdWorker{   //因為二進位制裡第一個 bit 為如果是 1，那麼都是負數，但是我們生成的 id 都是正數，所以第一個 bit 統一都是 0。   //機器ID  2進位制5位  32位減掉1位 31個  private long workerId;  //機房ID 2進位制5位  32位減掉1位 31個  private long datacenterId;  //代表一毫秒內生成的多個id的最新序號  12位 4096 -1 = 4095 個  private long sequence;  //設定一個時間初始值    2^41 - 1   差不多可以用69年  private long twepoch = 1585644268888L;  //5位的機器id  private long workerIdBits = 5L;  //5位的機房id  private long datacenterIdBits = 5L;  //每毫秒內產生的id數 2 的 12次方  private long sequenceBits = 12L;  // 這個是二進位制運算，就是5 bit最多隻能有31個數字，也就是說機器id最多隻能是32以內  private long maxWorkerId = -1L ^ (-1L << workerIdBits);  // 這個是一個意思，就是5 bit最多隻能有31個數字，機房id最多隻能是32以內  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);  //記錄產生時間毫秒數，判斷是否是同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) {     // 檢查機房id和機器id是否超過31 不能小於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;  }   // 這個是核心方法，通過呼叫nextId()方法，讓當前這臺機器上的snowflake演算法程式生成一個全域性唯一的id  public synchronized long nextId() {    // 這兒就是獲取當前時間戳，單位是毫秒    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));    }     // 下面是說假設在同一個毫秒內，又傳送了一個請求生成一個id    // 這個時候就得把seqence序號給遞增1，最多就是4096    if (lastTimestamp == timestamp) {       // 這個意思是說一個毫秒內最多隻能有4096個數字，無論你傳遞多少進來，      //這個位運算保證始終就是在4096這個範圍內，避免你自己傳遞個sequence超過了4096這個範圍      sequence = (sequence + 1) & sequenceMask;      //當某一毫秒的時間，產生的id數 超過4095，系統會進入等待，直到下一毫秒，系統繼續產生ID      if (sequence == 0) {        timestamp = tilNextMillis(lastTimestamp);      }     } else {      sequence = 0;    }    // 這兒記錄一下最近一次生成id的時間戳，單位是毫秒    lastTimestamp = timestamp;    // 這兒就是最核心的二進位制位運算操作，生成一個64bit的id    // 先將當前時間戳左移，放到41 bit那兒；將機房id左移放到5 bit那兒；將機器id左移放到5 bit那兒；將序號放最後12 bit    // 最後拼接起來成一個64 bit的二進位制數字，轉換成10進位制就是個long型    return ((timestamp - twepoch) << timestampLeftShift) |        (datacenterId << datacenterIdShift) |        (workerId << workerIdShift) | sequence;  }   /**   * 當某一毫秒的時間，產生的id數 超過4095，系統會進入等待，直到下一毫秒，系統繼續產生ID   * @param lastTimestamp   * @return   */  private long tilNextMillis(long lastTimestamp) {     long timestamp = timeGen();     while (timestamp <= lastTimestamp) {      timestamp = timeGen();    }    return timestamp;  }  //獲取當前時間戳  private long timeGen(){    return System.currentTimeMillis();  }   /**   *  main 測試類   * @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());//    }  }}

SnowFlake 演算法的優點

1. 高效能高可用：生成時不依賴於資料庫，完全在記憶體中生成。

2. 容量大：每秒鐘能生成數百萬的自增 ID。

3. ID 自增：存入資料庫中，索引效率高。

SnowFlake 演算法的缺點

依賴與系統時間的一致性，如果系統時間被回撥，或者改變，可能會造成 ID 衝突或者重複。

實際中我們的機房並沒有那麼多，我們可以改進改演算法，將10bit 的機器 ID優化，成業務表或者和我們系統相關的業務。