建设银行网站个人中心,网站开发问卷调查题,深圳营销外贸网站制作,网站建设内容方向一、概述 SnowFlake 算法#xff1a;是 Twitter 开源的分布式 id 生成算法。核心思想#xff1a;使用一个 64 bit 的 long 型的数字作为全局唯一 id。算法原理最高位是符号位#xff0c;始终为0#xff0c;不可用。41位的时间序列#xff0c;精确到毫秒级#xff0c;41位…一、概述 SnowFlake 算法是 Twitter 开源的分布式 id 生成算法。 核心思想使用一个 64 bit 的 long 型的数字作为全局唯一 id。算法原理最高位是符号位始终为0不可用。41位的时间序列精确到毫秒级41位的长度可以使用69年。时间位还有一个很重要的作用是可以根据时间进行排序。10位的机器标识10位的长度最多支持部署1024个节点12位的计数序列号序列号即一系列的自增id可以支持同一节点同一毫秒生成多个ID序号12位的计数序列号支持每个节点每毫秒产生4096个ID序号算法优缺点优点高并发分布式环境下生成不重复 id每秒可生成百万个不重复 id。基于时间戳以及同一时间戳下序列号自增基本保证 id 有序递增。不依赖第三方库或者中间件。算法简单在内存中进行效率高。缺点依赖服务器时间服务器时钟回拨时可能会生成重复 id。算法中可通过记录最后一个生成 id 时的时间戳来解决每次生成 id 之前比较当前服务器时钟是否被回拨避免生成重复 id。二、算法实现dependency
groupIdcn.hutool/groupId
artifactIdhutool-all/artifactId
version5.8.11/version
/dependencypublic class IdWorker {//下面两个每个5位加起来就是10位的工作机器idprivate long workerId; //工作idprivate long datacenterId; //数据id//12位的序列号private long sequence;public IdWorker(long workerId, long datacenterId, long sequence) {// sanity check for workerIdif (workerId maxWorkerId || workerId 0) {throw new IllegalArgumentException(String.format(worker Id cant be greater than %d or less than 0, maxWorkerId));}if (datacenterId maxDatacenterId || datacenterId 0) {throw new IllegalArgumentException(String.format(datacenter Id cant be greater than %d or less than 0, maxDatacenterId));}System.out.printf(worker starting. timestamp left shift %d, datacenter id bits %d, worker id bits %d, sequence bits %d, workerid %d,timestampLeftShift, datacenterIdBits, workerIdBits, sequenceBits, workerId);this.workerId workerId;this.datacenterId datacenterId;this.sequence sequence;}//初始时间戳private long twepoch 1288834974657L;//长度为5位private long workerIdBits 5L;private long datacenterIdBits 5L;//最大值private long maxWorkerId -1L ^ (-1L workerIdBits);private long maxDatacenterId -1L ^ (-1L datacenterIdBits);//序列号id长度private long sequenceBits 12L;//序列号最大值private long sequenceMask -1L ^ (-1L sequenceBits);//工作id需要左移的位数12位private long workerIdShift sequenceBits;//数据id需要左移位数 12517位private long datacenterIdShift sequenceBits workerIdBits;//时间戳需要左移位数 125522位private long timestampLeftShift sequenceBits workerIdBits datacenterIdBits;//上次时间戳初始值为负数private long lastTimestamp -1L;public long getWorkerId() {return workerId;}public long getDatacenterId() {return datacenterId;}public long getTimestamp() {return System.currentTimeMillis();}//下一个ID生成算法public synchronized long nextId() {long timestamp timeGen();//获取当前时间戳如果小于上次时间戳则表示时间戳获取出现异常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));}//获取当前时间戳如果等于上次时间戳同一毫秒内则在序列号加一否则序列号赋值为0从0开始。if (lastTimestamp timestamp) {sequence (sequence 1) sequenceMask;if (sequence 0) {timestamp tilNextMillis(lastTimestamp);}} else {sequence 0;}//将上次时间戳值刷新lastTimestamp timestamp;/*** 返回结果* (timestamp - twepoch) timestampLeftShift) 表示将时间戳减去初始时间戳再左移相应位数* (datacenterId datacenterIdShift) 表示将数据id左移相应位数* (workerId workerIdShift) 表示将工作id左移相应位数* | 是按位或运算符例如x | y只有当xy都为0的时候结果才为0其它情况结果都为1。* 因为个部分只有相应位上的值有意义其它位上都是0所以将各部分的值进行 | 运算就能得到最终拼接好的id*/return ((timestamp - twepoch) timestampLeftShift) |(datacenterId datacenterIdShift) |(workerId workerIdShift) |sequence;}//获取时间戳并与上次时间戳比较private long tilNextMillis(long lastTimestamp) {long timestamp timeGen();while (timestamp lastTimestamp) {timestamp timeGen();}return timestamp;}//获取系统时间戳private long timeGen() {return System.currentTimeMillis();}//---------------测试---------------public static void main(String[] args) {IdWorker worker new IdWorker(1, 1, 1);for (int i 0; i 30; i) {System.out.println(worker.nextId());}}}解决时间回拨问题原生的 Snowflake 算法是完全依赖于时间的如果有时钟回拨的情况发生会生成重复的 ID市场上的解决方案也是不少。简单粗暴的办法有最简单的方案就是关闭生成唯一 ID 机器的时间同步。使用阿里云的的时间服务器进行同步2017 年 1 月 1 日的闰秒调整阿里云服务器 NTP 系统 24 小时“消化”闰秒完美解决了问题。如果发现有时钟回拨时间很短比如 5 毫秒就等待然后再生成。或者就直接报错交给业务层去处理。也可以采用 SonyFlake 的方案精确到 10 毫秒以 10 毫秒为分配单元。twitter的雪花算法https://github.com/twitter-archive/snowflake其它全局唯一的分布式ID的方式如百度的uid-generator、美团的Leaf、滴滴的TinyId等
