SnowFlake --- 分散式id生成演算法工具類
package util; import java.lang.management.ManagementFactory; import java.net.InetAddress; import java.net.NetworkInterface; /** * <p>名稱:IdWorker.java</p> * <p>描述:分散式自增長ID</p> * <pre> * Twitter的 Snowflake JAVA實現方案 * </pre> * 核心程式碼為其IdWorker這個類實現,其原理結構如下,我分別用一個0表示一位,用—分割開部分的作用: * 1||0---0000000000 0000000000 0000000000 0000000000 0 --- 00000 ---00000 ---000000000000 * 在上面的字串中,第一位為未使用(實際上也可作為long的符號位),接下來的41位為毫秒級時間, * 然後5位datacenter標識位,5位機器ID(並不算識別符號,實際是為執行緒標識), * 然後12位該毫秒內的當前毫秒內的計數,加起來剛好64位,為一個Long型。 * 這樣的好處是,整體上按照時間自增排序,並且整個分散式系統內不會產生ID碰撞(由datacenter和機器ID作區分), * 並且效率較高,經測試,snowflake每秒能夠產生26萬ID左右,完全滿足需要。 * <p> * 64位ID (42(毫秒)+5(機器ID)+5(業務編碼)+12(重複累加)) * * @author Polim */ public class IdWorker { // 時間起始標記點,作為基準,一般取系統的最近時間(一旦確定不能變動) private final static long twepoch = 1288834974657L; // 機器標識位數 private final static long workerIdBits = 5L; // 資料中心標識位數 private final static long datacenterIdBits = 5L; // 機器ID最大值 private final static long maxWorkerId = -1L ^ (-1L << workerIdBits); // 資料中心ID最大值 private final static long maxDatacenterId = -1L ^ (-1L << datacenterIdBits); // 毫秒內自增位 private final static long sequenceBits = 12L; // 機器ID偏左移12位 private final static long workerIdShift = sequenceBits; // 資料中心ID左移17位 private final static long datacenterIdShift = sequenceBits + workerIdBits; // 時間毫秒左移22位 private final static long timestampLeftShift = sequenceBits + workerIdBits + datacenterIdBits; private final static long sequenceMask = -1L ^ (-1L << sequenceBits); /* 上次生產id時間戳 */ private static long lastTimestamp = -1L; // 0,併發控制 private long sequence = 0L; private final long workerId; // 資料標識id部分 private final long datacenterId; public IdWorker(){ this.datacenterId = getDatacenterId(maxDatacenterId); this.workerId = getMaxWorkerId(datacenterId, maxWorkerId); } /** * @param workerId * 工作機器ID * @param datacenterId * 序列號 */ public IdWorker(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; } /** * 獲取下一個ID * * @return */ 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) { // 當前毫秒內,則+1 sequence = (sequence + 1) & sequenceMask; if (sequence == 0) { // 當前毫秒內計數滿了,則等待下一秒 timestamp = tilNextMillis(lastTimestamp); } } else { sequence = 0L; } lastTimestamp = timestamp; // ID偏移組合生成最終的ID,並返回ID long nextId = ((timestamp - twepoch) << timestampLeftShift) | (datacenterId << datacenterIdShift) | (workerId << workerIdShift) | sequence; return nextId; } private long tilNextMillis(final long lastTimestamp) { long timestamp = this.timeGen(); while (timestamp <= lastTimestamp) { timestamp = this.timeGen(); } return timestamp; } private long timeGen() { return System.currentTimeMillis(); } /** * <p> * 獲取 maxWorkerId * </p> */ protected static long getMaxWorkerId(long datacenterId, long maxWorkerId) { StringBuffer mpid = new StringBuffer(); mpid.append(datacenterId); String name = ManagementFactory.getRuntimeMXBean().getName(); if (!name.isEmpty()) { /* * GET jvmPid */ mpid.append(name.split("@")[0]); } /* * MAC + PID 的 hashcode 獲取16個低位 */ return (mpid.toString().hashCode() & 0xffff) % (maxWorkerId + 1); } /** * <p> * 資料標識id部分 * </p> */ protected static long getDatacenterId(long maxDatacenterId) { long id = 0L; try { InetAddress ip = InetAddress.getLocalHost(); NetworkInterface network = NetworkInterface.getByInetAddress(ip); if (network == null) { id = 1L; } else { byte[] mac = network.getHardwareAddress(); id = ((0x000000FF & (long) mac[mac.length - 1]) | (0x0000FF00 & (((long) mac[mac.length - 2]) << 8))) >> 6; id = id % (maxDatacenterId + 1); } } catch (Exception e) { System.out.println(" getDatacenterId: " + e.getMessage()); } return id; } }
相關推薦
SnowFlake --- 分散式id生成演算法工具類
package util; import java.lang.management.ManagementFactory; import java.net.InetAddress; import java.net.NetworkInterface; /** *
SnowFlake --- 分散式id生成演算法
概述 SnowFlake演算法生成id的結果是一個64bit大小的整數,它的結構如下圖: 1位,不用。二進位制中最高位為1的都是負數,但是我們生成的id一般都使用整數,所以這個最高位固定是0 41位,用來記錄時間戳(毫秒)。 41位可以表示241
基於TwitterSnowflake分散式id生成工具類實現
1、 什麼是TwitterSnowflake? 簡介: TwitterSnowflake演算法是用來在分散式場景下生成唯一ID的。 舉個栗子:我們有10臺分散式MySql伺服器,我們的系統每秒能生成10W條資料插入到這10臺機器裡,現在我們需要為每一條資料生成一個全域性唯一的ID,
分散式ID生成系統 UUID與雪花(snowflake)演算法
Leaf——美團點評分散式ID生成系統 -https://tech.meituan.com/MT_Leaf.html 網遊伺服器中的GUID(唯一標識碼)實現-基於snowflake演算法-雲棲社群-阿里雲https://yq.aliyun.com/articles/229420 UUID_STRING
【Zanuck 鎮】編寫php高效能snowflake演算法外掛(分散式64位唯一性自增id生成演算法)
好了,現在開始,先用C語言實現snowflake演算法,用C語言實現非常簡單,只要按照snowflake演算法的規則來就行了,我摘抄了csdn上一個比較好的演算法,地址如下:http://blog.csdn.net/wallwind/article/details/49701397,但是博主沒有做註釋,但是我
C語言實現分散式自增有序的唯一ID生成演算法-snowflake演算法
轉自:http://blog.csdn.net/wallwind/article/details/49701397 之前有人問我設計一個分散式的遞增的唯一id生成。想了半天不知道,偶然一個同事說起snowflake演算法,我百度了一下,很簡單高效。 參考 https
分散式ID生成策略(1)_snowflake演算法
轉載: 最近在研究分散式ID的生成方法,發現Twitter的snowflake演算法挺有意思,因此親自動手用Java進行了實現。 snowflake演算法的原理就是用64位整數來表示主鍵,其結構如下圖: 1 bit符號位:設計者不喜歡負數主鍵?方便使用負數標識不正確
twitter id生成演算法snowflake詳解
1 概述 分散式系統中,有一些需要使用全域性唯一ID的場景,這種時候為了防止ID衝突可以使用36位的UUID,但是UUID有一些缺點,首先他相對比較長,另外UUID一般是無序的。 為了滿足Twitter每秒上萬條訊息的請求,每條訊息都必須分配一條唯一的id,這些id還需要一
分散式唯一ID生成演算法-雪花演算法
在我們的工作中,資料庫某些表的欄位會用到唯一的,趨勢遞增的訂單編號,我們將介紹兩種方法,一種是傳統的採用隨機數生成的方式,另外一種是採用當前比較流行的“分散式唯一ID生成演算法-雪花演算法”來實現。 一、時間戳隨機數生成唯一ID 我們寫一個for迴圈,用RandomUtil.generateOr
Java生成證書工具類 InstallCert.java解決httpClient訪問https出錯:PKIX path building failed
throw supported load Owner init software roc cti acer 編譯:javac InstallCert.java運行:java InstallCert 要訪問的網址 最後面會輸出: Enter certificate to ad
web叢集全域性唯一request id生成演算法, 替代uuid等“通用”方案
如何為每一個web請求分配一個在全叢集範圍內都唯一的request id 卻又不想去實現一個複雜的集中式id序列生成器呢? UUID? 這或許是個辦法,但不覺得不太甘心麼? 下面的這個方式可能可以幫到你: package test; import java.util.concur
js版裝置id生成演算法分析
前言 1、網際網路業務經常會有送券、領紅包等活動,通常禮品發放是基於單個使用者ID只發放一次原則,同時還會結合是否新使用者、是否非常客(熟客不給優惠)等策略。 羊毛黨薅羊毛場景:1、編寫領禮品(券和紅包統稱禮品)指令碼;2、匯入批量使用者cookie或手機號,匯入批量網路代理(繞基於IP的風
分散式ID 雪花演算法JAVA實現
少年不想寫,來吧:https://github.com/singgel/SnowFlake snowflake的結構如下(每部分用-分開): 概述 分散式系統中,有一些需要使用全域性唯一ID的場景,這種時候為了防止ID衝突可以使用36位的UUID,但是UUID有一些缺點,首先他相對比
MD5加密演算法工具類
import java.security.MessageDigest; /** * Created by wzf on 2018/9/25. */ public class MD5 { //公鹽 private static final String PUBLIC_SALT
自動生成名字工具類,copy即可用
public class CharUtil { /** * 將字串轉換成相應的字元編碼 * @param s * @return */ public static String bytes2HexString(Strin
SpringBoot:讀取核心配置檔案application並生成靜態工具類
SpringBoot:讀取核心配置檔案application並生成靜態工具類 通常在SpringBoot專案中,如果需要使用配置檔案中的配置屬性,在使用情況少的情況下,可以參下文章《Sprin
ID生成演算法
常見分散式全域性唯一ID生成策略 簡單分析一下需求 所謂全域性唯一的 id 其實往往對應是生成唯一記錄標識的業務需求。 這個 id 常常是資料庫的主鍵,資料庫上會建立聚集索引(cluster index),即在物理儲存上以這個欄位排序。這個記錄標識上的查詢,往往又有分頁或者排序的
Java生成隨機數工具類,進位制之間的轉換工具類,獲取指定時間,時間格式轉換工具類
廢話不多說,貢獻一下code 1.編號生成工具 import org.apache.commons.lang3.StringUtils; import java.math.BigInteger; import java.text.SimpleDa
(二)java生成隨機數工具類RandomUtils詳解
/** * 生成一個隨機的布林值 */ boolean flag = RandomUtils.nextBoolean();
細聊分散式ID生成方法
一、需求緣起幾乎所有的業務系統,都有生成一個記錄標識的需求,例如:(1)訊息標識:message-id(2)訂單標識:order-id(3)帖子標識:tiezi-id這個記錄標識往往就是資料庫中的唯一主鍵,資料庫上會建立聚集索引(cluster index),即在物理儲存上以