溫馨提示×
您好，登錄后才能下訂單哦！
點(diǎn)擊 登錄注冊(cè) 即表示同意《億速云用戶服務(wù)條款》
您好，登錄后才能下訂單哦！
這篇文章主要講解了“Snowflake算法的實(shí)現(xiàn)原理”，文中的講解內(nèi)容簡(jiǎn)單清晰，易于學(xué)習(xí)與理解，下面請(qǐng)大家跟著小編的思路慢慢深入，一起來研究和學(xué)習(xí)“Snowflake算法的實(shí)現(xiàn)原理”吧！
Snowflake（雪花）是Twitter開源的高性能ID生成算法（服務(wù)）。
上圖是Snowflake的Github倉(cāng)庫(kù)，master分支中的REAEMDE文件中提示：初始版本于2010年發(fā)布，基于Apache Thrift，早于Finagle（這里的Finagle是Twitter上用于RPC服務(wù)的構(gòu)建模塊）發(fā)布，而Twitter內(nèi)部使用的Snowflake是一個(gè)完全重寫的程序，在很大程度上依靠Twitter上的現(xiàn)有基礎(chǔ)架構(gòu)來運(yùn)行。
而2010年發(fā)布的初版Snowflake源碼是使用Scala語言編寫的，歸檔于scala_28分支。換言之，大家目前使用的Snowflake算法原版或者改良版已經(jīng)是十年前（當(dāng)前是2020年）的產(chǎn)物，不得不說這個(gè)算法確實(shí)比較厲害。scala_28分支中有介紹該算法的動(dòng)機(jī)和要求，這里簡(jiǎn)單摘錄一下：
動(dòng)機(jī)：
Cassandra中沒有生成順序ID的工具，Twitter由使用MySQL轉(zhuǎn)向使用Cassandra的時(shí)候需要一種新的方式來生成ID（印證了架構(gòu)不是設(shè)計(jì)出來，而是基于業(yè)務(wù)場(chǎng)景迭代出來）。
要求：
高性能：每秒每個(gè)進(jìn)程至少產(chǎn)生10K個(gè)ID，加上網(wǎng)絡(luò)延遲響應(yīng)速度要在2ms內(nèi)。
順序性：具備按照時(shí)間的自增趨勢(shì)，可以直接排序。
緊湊性：保持生成的ID的長(zhǎng)度在64 bit或更短。
高可用：ID生成方案需要和存儲(chǔ)服務(wù)一樣高可用。
下面就Snowflake的源碼分析一下他的實(shí)現(xiàn)原理。
Snowflake在初版設(shè)計(jì)方案是：
時(shí)間：41 bit長(zhǎng)度，使用毫秒級(jí)別精度，帶有一個(gè)自定義epoch，那么可以使用大概69年。
可配置的機(jī)器ID：10 bit長(zhǎng)度，可以滿足1024個(gè)機(jī)器使用。
序列號(hào)：12 bit長(zhǎng)度，可以在4096個(gè)數(shù)字中隨機(jī)取值，從而避免單個(gè)機(jī)器在1 ms內(nèi)生成重復(fù)的序列號(hào)。
但是在實(shí)際源碼實(shí)現(xiàn)中，Snowflake把10 bit的可配置的機(jī)器ID拆分為5 bit的Worker ID（這個(gè)可以理解為原來的機(jī)器ID）和5 bit的Data Center ID（數(shù)據(jù)中心ID），詳情見IdWorker.scala：
也就是說，支持配置最多32個(gè)機(jī)器ID和最多32個(gè)數(shù)據(jù)中心ID：
由于算法是Scala語言編寫，是依賴于JVM的語言，返回的ID值為Long類型，也就是64 bit的整數(shù)，原來的算法生成序列中只使用了63 bit的長(zhǎng)度，要返回的是無符號(hào)數(shù)，所以在高位補(bǔ)一個(gè)0（占用1 bit），那么加起來整個(gè)ID的長(zhǎng)度就是64 bit：
其中：
41 bit毫秒級(jí)別時(shí)間戳的取值范圍是：[0, 2^41 - 1] => 0 ~ 2199023255551，一共2199023255552個(gè)數(shù)字。
5 bit機(jī)器ID的取值范圍是：[0, 2^5 - 1] => 0 ~ 31，一共32個(gè)數(shù)字。
5 bit數(shù)據(jù)中心ID的取值范圍是：[0, 2^5 - 1] => 0 ~ 31，一共32個(gè)數(shù)字。
12 bit序列號(hào)的取值范圍是：[0, 2^12 - 1] => 0 ~ 4095，一共4096個(gè)數(shù)字。
那么理論上可以生成2199023255552 * 32 * 32 * 4096個(gè)完全不同的ID值。
Snowflake算法還有一個(gè)明顯的特征：依賴于系統(tǒng)時(shí)鐘。41 bit長(zhǎng)度毫秒級(jí)別的時(shí)間來源于系統(tǒng)時(shí)間戳，所以必須保證系統(tǒng)時(shí)間是向前遞進(jìn)，不能發(fā)生時(shí)鐘回?fù)?/strong>（通說來說就是不能在同一個(gè)時(shí)刻產(chǎn)生多個(gè)相同的時(shí)間戳或者產(chǎn)生了過去的時(shí)間戳）。一旦發(fā)生時(shí)鐘回?fù)埽?code>Snowflake會(huì)拒絕生成下一個(gè)ID。
Snowflake算法中使用了大量的位運(yùn)算。由于整數(shù)的補(bǔ)碼才是在計(jì)算機(jī)中的存儲(chǔ)形式，Java或者Scala中的整型都使用補(bǔ)碼表示，這里稍微提一下原碼和補(bǔ)碼的知識(shí)。
原碼用于閱讀，補(bǔ)碼用于計(jì)算。
正數(shù)的補(bǔ)碼與其原碼相同。
負(fù)數(shù)的補(bǔ)碼是除最高位其他所有位取反，然后加1（反碼加1），而負(fù)數(shù)的補(bǔ)碼還原為原碼也是使用這個(gè)方式。
+0的原碼是0000 0000，而-0的原碼是1000 0000，補(bǔ)碼只有一個(gè)0值，用0000 0000表示，這一點(diǎn)很重要，補(bǔ)碼的0沒有二義性。
簡(jiǎn)單來看就是這樣：
* [+ 11] 原碼 = [0000 1011] 補(bǔ)碼 = [0000 1011] * [- 11] 原碼 = [1000 1011] 補(bǔ)碼 = [1111 0101] * [- 11]的補(bǔ)碼計(jì)算過程： 原碼 1000 1011 除了最高位其他位取反 1111 0100 加1 1111 0101 （補(bǔ)碼）
使用原碼、反碼在計(jì)算的時(shí)候得到的不一定是準(zhǔn)確的值，而使用補(bǔ)碼的時(shí)候計(jì)算結(jié)果才是正確的，記住這個(gè)結(jié)論即可，這里不在舉例。由于Snowflake的ID生成方案中，除了最高位，其他四個(gè)部分都是無符號(hào)整數(shù)，所以四個(gè)部分的整數(shù)使用補(bǔ)碼進(jìn)行位運(yùn)算的效率會(huì)比較高，也只有這樣才能滿足Snowflake高性能設(shè)計(jì)的初衷。Snowflake算法中使用了幾種位運(yùn)算：異或（^）、按位與（&）、按位或（|）和帶符號(hào)左移（<<）。
異或的運(yùn)算規(guī)則是：0^0=0 0^1=1 1^0=1 1^1=0，也就是位不同則結(jié)果為1，位相同則結(jié)果為0。主要作用是：
特定位翻轉(zhuǎn)，也就是一個(gè)數(shù)和N個(gè)位都為1的數(shù)進(jìn)行異或操作，這對(duì)應(yīng)的N個(gè)位都會(huì)翻轉(zhuǎn)，例如0100 & 1111，結(jié)果就是1011。
與0項(xiàng)異或，則結(jié)果和原來的值一致。
兩數(shù)的值交互：a=a^b b=b^a a=a^b，這三個(gè)操作完成之后，a和b的值完成交換。
這里推演一下最后一條：
* [+ 11] 原碼 = [0000 1011] 補(bǔ)碼 = [0000 1011] a * [- 11] 原碼 = [1000 1011] 補(bǔ)碼 = [1111 0101] b a=a^b 0000 1011 1111 0101 ---------^ 1111 1110 b=b^a 1111 0101 ---------^ 0000 1011 （十進(jìn)制數(shù)：11） b a=a^b 1111 1110 ---------^ 1111 0101 （十進(jìn)制數(shù)：-11） a
按位與的運(yùn)算規(guī)則是：0&0=0 0&1=0 1&0=0 1&1=1，只有對(duì)應(yīng)的位都為1的時(shí)候計(jì)算結(jié)果才是1，其他情況的計(jì)算結(jié)果都是0。主要作用是：
清零，如果想把一個(gè)數(shù)清零，那么和所有位為0的數(shù)進(jìn)行按位與即可。
取一個(gè)數(shù)中的指定位，例如要取X中的低4位，只需要和zzzz...1111進(jìn)行按位與即可，例如取1111 0110的低4位，則11110110 & 00001111即可得到00000110。
按位與的運(yùn)算規(guī)則是：0|0=0 0|1=1 1|0=1 1|1=1，只要有其中一個(gè)位存在1則計(jì)算結(jié)果是1，只有兩個(gè)位同時(shí)為0的情況下計(jì)算結(jié)果才是0。主要作用是：
對(duì)一個(gè)數(shù)的部分位賦值為1，只需要和對(duì)應(yīng)位全為0的數(shù)做按位或操作就行，例如1011 0000如果低4位想全部賦值為1，那么10110000 | 00001111即可得到1011 1111。
帶符號(hào)左移的運(yùn)算符是<<，一般格式是：M << n。作用如下：
M的二進(jìn)制數(shù)（補(bǔ)碼）向左移動(dòng)n位。
左邊（高位）移出部分直接舍棄，右邊（低位）移入部分全部補(bǔ)0。
移位結(jié)果：相當(dāng)于M的值乘以2的n次方，并且0、正、負(fù)數(shù)通用。
移動(dòng)的位數(shù)超過了該類型的最大位數(shù)，那么編譯器會(huì)對(duì)移動(dòng)的位數(shù)取模，例如int移位33位，實(shí)際上只移動(dòng)了33 % 2 = 1位。
推演過程如下（假設(shè)n = 2）：
* [+ 11] 原碼 = [0000 1011] 補(bǔ)碼 = [0000 1011] * [- 11] 原碼 = [1000 1011] 補(bǔ)碼 = [1111 0101] * [+ 11 << 2]的計(jì)算過程 補(bǔ)碼 0000 1011 左移2位 0000 1011 舍高補(bǔ)低 0010 1100 十進(jìn)制數(shù) 2^2 + 2^3 + 2^5 = 44 * [- 11 << 2]的計(jì)算過程 補(bǔ)碼 1111 0101 左移2位 1111 0101 舍高補(bǔ)低 1101 0100 原碼 1010 1100 （補(bǔ)碼除最高位其他所有位取反再加1） 十進(jìn)制數(shù) - (2^2 + 2^3 + 2^5) = -44
可以寫個(gè)main方法驗(yàn)證一下：
public static void main(String[] args) {
System.out.println(-11 << 2); // -44
System.out.println(11 << 2); // 44
}利用上面提到的三個(gè)位運(yùn)算符，相互組合可以實(shí)現(xiàn)一些高效的計(jì)算方案。
計(jì)算n個(gè)bit能表示的最大數(shù)值：
Snowflake算法中有這樣的代碼：
// 機(jī)器ID的位長(zhǎng)度 private val workerIdBits = 5L; // 最大機(jī)器ID -> 31 private val maxWorkerId = -1L ^ (-1L << workerIdBits);
這里的算子是-1L ^ (-1L << 5L)，整理運(yùn)算符的順序，再使用64 bit的二進(jìn)制數(shù)推演計(jì)算過程如下：
* [-1] 的補(bǔ)碼 11111111 11111111 11111111 11111111 11111111 11111111 11111111 11111111 左移5位 11111111 11111111 11111111 11111111 11111111 11111111 11111111 11100000 [-1] 的補(bǔ)碼 11111111 11111111 11111111 11111111 11111111 11111111 11111111 11111111 異或 ----------------------------------------------------------------------- ^ 結(jié)果的補(bǔ)碼 00000000 00000000 00000000 00000000 00000000 00000000 00000000 00011111 （十進(jìn)制數(shù) 2^0 + 2^1 + 2^2 + 2^3 + 2^4 = 31）
這樣就能計(jì)算出5 bit能表示的最大數(shù)值n，n為整數(shù)并且0 <= n <= 31，即0、1、2、3...31。Worker ID和Data Center ID部分的最大值就是使用這種組合運(yùn)算得出的。
用固定位的最大值作為Mask避免溢出：
Snowflake算法中有這樣的代碼：
var sequence = 0L ...... private val sequenceBits = 12L // 這里得到的是sequence的最大值4095 private val sequenceMask = -1L ^ (-1L << sequenceBits) ...... sequence = (sequence + 1) & sequenceMask
最后這個(gè)算子其實(shí)就是sequence = (sequence + 1) & 4095，假設(shè)sequence當(dāng)前值為4095，推演一下計(jì)算過程：
* [4095] 的補(bǔ)碼 00000000 00000000 00000000 00000000 00000000 00000000 00000111 11111111 [sequence + 1] 的補(bǔ)碼 00000000 00000000 00000000 00000000 00000000 00000000 00001000 00000000 按位與 ----------------------------------------------------------------------- & 計(jì)算結(jié)果 00000000 00000000 00000000 00000000 00000000 00000000 00000000 00000000 （十進(jìn)制數(shù)：0）
可以編寫一個(gè)main方法驗(yàn)證一下：
public static void main(String[] args) {
int mask = 4095;
System.out.println(0 & mask); // 0
System.out.println(1 & mask); // 1
System.out.println(2 & mask); // 2
System.out.println(4095 & mask); // 4095
System.out.println(4096 & mask); // 0
System.out.println(4097 & mask); // 1
}也就是x = (x + 1) & (-1L ^ (-1L << N))能保證最終得到的x值不會(huì)超過N，這是利用了按位與中的"取指定位"的特性。
Snowflake雖然用Scala語言編寫，語法其實(shí)和Java差不多，當(dāng)成Java代碼這樣閱讀就行，下面閱讀代碼的時(shí)候會(huì)跳過一些日志記錄和度量統(tǒng)計(jì)的邏輯。先看IdWorker.scala的屬性值：
// 定義基準(zhǔn)紀(jì)元值，這個(gè)值是北京時(shí)間2010-11-04 09:42:54，估計(jì)就是2010年初版提交代碼時(shí)候定義的一個(gè)時(shí)間戳
val twepoch = 1288834974657L
// 初始化序列號(hào)為0
var sequence = 0L //TODO after 2.8 make this a constructor param with a default of 0
// 機(jī)器ID的最大位長(zhǎng)度為5
private val workerIdBits = 5L
// 數(shù)據(jù)中心ID的最大位長(zhǎng)度為5
private val datacenterIdBits = 5L
// 最大的機(jī)器ID值，十進(jìn)制數(shù)為為31
private val maxWorkerId = -1L ^ (-1L << workerIdBits)
// 最大的數(shù)據(jù)中心ID值，十進(jìn)制數(shù)為為31
private val maxDatacenterId = -1L ^ (-1L << datacenterIdBits)
// 序列號(hào)的最大位長(zhǎng)度為12
private val sequenceBits = 12L
// 機(jī)器ID需要左移的位數(shù)12
private val workerIdShift = sequenceBits
// 數(shù)據(jù)中心ID需要左移的位數(shù) = 12 + 5
private val datacenterIdShift = sequenceBits + workerIdBits
// 時(shí)間戳需要左移的位數(shù) = 12 + 5 + 5
private val timestampLeftShift = sequenceBits + workerIdBits + datacenterIdBits
// 序列號(hào)的掩碼，十進(jìn)制數(shù)為4095
private val sequenceMask = -1L ^ (-1L << sequenceBits)
// 初始化上一個(gè)時(shí)間戳快照值為-1
private var lastTimestamp = -1L
// 下面的代碼塊為參數(shù)校驗(yàn)和初始化日志打印，這里不做分析
if (workerId > maxWorkerId || workerId < 0) {
exceptionCounter.incr(1)
throw new IllegalArgumentException("worker Id can't be greater than %d or less than 0".format(maxWorkerId))
}
if (datacenterId > maxDatacenterId || datacenterId < 0) {
exceptionCounter.incr(1)
throw new IllegalArgumentException("datacenter Id can't be greater than %d or less than 0".format(maxDatacenterId))
}
log.info("worker starting. timestamp left shift %d, datacenter id bits %d, worker id bits %d, sequence bits %d, workerid %d",
timestampLeftShift, datacenterIdBits, workerIdBits, sequenceBits, workerId)
接著看算法的核心代碼邏輯：
// 同步方法，其實(shí)就是protected synchronized long nextId(){ ...... }
protected[snowflake] def nextId(): Long = synchronized {
// 獲取系統(tǒng)時(shí)間戳（毫秒）
var timestamp = timeGen()
// 高并發(fā)場(chǎng)景，同一毫秒內(nèi)生成多個(gè)ID
if (lastTimestamp == timestamp) {
// 確保sequence + 1之后不會(huì)溢出，最大值為4095，其實(shí)也就是保證1毫秒內(nèi)最多生成4096個(gè)ID值
sequence = (sequence + 1) & sequenceMask
// 如果sequence溢出則變?yōu)?，說明1毫秒內(nèi)并發(fā)生成的ID數(shù)量超過了4096個(gè)，這個(gè)時(shí)候同1毫秒的第4097個(gè)生成的ID必須等待下一毫秒
if (sequence == 0) {
// 死循環(huán)等待下一個(gè)毫秒值，直到比lastTimestamp大
timestamp = tilNextMillis(lastTimestamp)
}
} else {
// 低并發(fā)場(chǎng)景，不同毫秒中生成ID
// 不同毫秒的情況下，由于外層方法保證了timestamp大于或者小于lastTimestamp，而小于的情況是發(fā)生了時(shí)鐘回?fù)?，下面?huì)拋出異常，所以不用考慮
// 也就是只需要考慮一種情況：timestamp > lastTimestamp，也就是當(dāng)前生成的ID所在的毫秒數(shù)比上一個(gè)ID大
// 所以如果時(shí)間戳部分增大，可以確定整數(shù)值一定變大，所以序列號(hào)其實(shí)可以不用計(jì)算，這里直接賦值為0
sequence = 0
}
// 獲取到的時(shí)間戳比上一個(gè)保存的時(shí)間戳小，說明時(shí)鐘回?fù)?，這種情況下直接拋出異常，拒絕生成ID
// 個(gè)人認(rèn)為，這個(gè)方法應(yīng)該可以提前到var timestamp = timeGen()這段代碼之后
if (timestamp < lastTimestamp) {
exceptionCounter.incr(1)
log.error("clock is moving backwards. Rejecting requests until %d.", lastTimestamp);
throw new InvalidSystemClock("Clock moved backwards. Refusing to generate id for %d milliseconds".format(lastTimestamp - timestamp));
}
// lastTimestamp保存當(dāng)前時(shí)間戳，作為方法下次被調(diào)用的上一個(gè)時(shí)間戳的快照
lastTimestamp = timestamp
// 度量統(tǒng)計(jì)，生成的ID計(jì)數(shù)器加1
genCounter.incr()
// X = (系統(tǒng)時(shí)間戳 - 自定義的紀(jì)元值) 然后左移22位
// Y = (數(shù)據(jù)中心ID左移17位)
// Z = (機(jī)器ID左移12位)
// 最后ID = X | Y | Z | 計(jì)算出來的序列號(hào)sequence
((timestamp - twepoch) << timestampLeftShift) |
(datacenterId << datacenterIdShift) |
(workerId << workerIdShift) |
sequence
}
// 輔助方法：獲取系統(tǒng)當(dāng)前的時(shí)間戳（毫秒）
protected def timeGen(): Long = System.currentTimeMillis()
// 輔助方法：獲取系統(tǒng)當(dāng)前的時(shí)間戳（毫秒），用死循環(huán)保證比傳入的lastTimestamp大，也就是獲取下一個(gè)比lastTimestamp大的毫秒數(shù)
protected def tilNextMillis(lastTimestamp: Long): Long = {
var timestamp = timeGen()
while (timestamp <= lastTimestamp) {
timestamp = timeGen()
}
timestamp
}最后一段邏輯的位操作比較多，但是如果熟練使用位運(yùn)算操作符，其實(shí)邏輯并不復(fù)雜，這里可以畫個(gè)圖推演一下：
四個(gè)部分的整數(shù)完成左移之后，由于空缺的低位都會(huì)補(bǔ)充了0，基于按位或的特性，所有低位只要存在1，那么對(duì)應(yīng)的位就會(huì)填充為1，由于四個(gè)部分的位不會(huì)越界分配，所以這里的本質(zhì)就是：四個(gè)部分左移完畢后最終的數(shù)字進(jìn)行加法計(jì)算。
Snowflake算法有幾個(gè)比較大的問題：
低并發(fā)場(chǎng)景會(huì)產(chǎn)生連續(xù)偶數(shù)，原因是低并發(fā)場(chǎng)景系統(tǒng)時(shí)鐘總是走到下一個(gè)毫秒值，導(dǎo)致序列號(hào)重置為0。
依賴系統(tǒng)時(shí)鐘，時(shí)鐘回?fù)軙?huì)拒絕生成新的ID（直接拋出異常）。
Woker ID和Data Center ID的管理比較麻煩，特別是同一個(gè)服務(wù)的不同集群節(jié)點(diǎn)需要保證每個(gè)節(jié)點(diǎn)的Woker ID和Data Center ID組合唯一。
這三個(gè)問題美團(tuán)開源的Leaf提供了解決思路，下圖截取自com.sankuai.inf.leaf.snowflake.SnowflakeIDGenImpl：
對(duì)應(yīng)的解決思路是（不進(jìn)行深入的源碼分析，有興趣可以閱讀以下Leaf的源碼）：
序列號(hào)生成添加隨機(jī)源，會(huì)稍微減少同一個(gè)毫秒內(nèi)能產(chǎn)生的最大ID數(shù)量。
時(shí)鐘回?fù)軇t進(jìn)行一定期限的等待。
使用Zookeeper緩存和管理Woker ID和Data Center ID。
Woker ID和Data Center ID的配置是極其重要的，對(duì)于同一個(gè)服務(wù)（例如支付服務(wù)）集群的多個(gè)節(jié)點(diǎn)，必須配置不同的機(jī)器ID和數(shù)據(jù)中心ID或者同樣的數(shù)據(jù)中心ID和不同的機(jī)器ID（簡(jiǎn)單說就是確保Woker ID和Data Center ID的組合全局唯一），否則在高并發(fā)的場(chǎng)景下，在系統(tǒng)時(shí)鐘一致的情況下，很容易在多個(gè)節(jié)點(diǎn)產(chǎn)生相同的ID值，所以一般的部署架構(gòu)如下：
管理這兩個(gè)ID的方式有很多種，或者像Leaf這樣的開源框架引入分布式緩存進(jìn)行管理，再如筆者所在的創(chuàng)業(yè)小團(tuán)隊(duì)生產(chǎn)服務(wù)比較少，直接把Woker ID和Data Center ID硬編碼在服務(wù)啟動(dòng)腳本中，然后把所有服務(wù)使用的Woker ID和Data Center ID統(tǒng)一登記在團(tuán)隊(duì)內(nèi)部知識(shí)庫(kù)中。
如果完全不考慮性能的話，也不考慮時(shí)鐘回?fù)?、序列?hào)生成等等問題，其實(shí)可以把Snowflake的位運(yùn)算和異常處理部分全部去掉，使用Long.toBinaryString()方法結(jié)合字符串按照Snowflake算法思路拼接出64 bit的二進(jìn)制數(shù)，再通過Long.parseLong()方法轉(zhuǎn)化為Long類型。編寫一個(gè)main方法如下：
public class Main {
private static final String HIGH = "0";
/**
* 2020-08-01 00:00:00
*/
private static final long EPOCH = 1596211200000L;
public static void main(String[] args) {
long workerId = 1L;
long dataCenterId = 1L;
long seq = 4095;
String timestampString = leftPadding(Long.toBinaryString(System.currentTimeMillis() - EPOCH), 41);
String workerIdString = leftPadding(Long.toBinaryString(workerId), 5);
String dataCenterIdString = leftPadding(Long.toBinaryString(dataCenterId), 5);
String seqString = leftPadding(Long.toBinaryString(seq), 12);
String value = HIGH + timestampString + workerIdString + dataCenterIdString + seqString;
long num = Long.parseLong(value, 2);
System.out.println(num); // 某個(gè)時(shí)刻輸出為3125927076831231
}
private static String leftPadding(String value, int maxLength) {
int diff = maxLength - value.length();
StringBuilder builder = new StringBuilder();
for (int i = 0; i < diff; i++) {
builder.append("0");
}
builder.append(value);
return builder.toString();
}
}然后把代碼規(guī)范一下，編寫出一個(gè)簡(jiǎn)版Snowflake算法實(shí)現(xiàn)的工程化代碼：
// 主鍵生成器接口
public interface PrimaryKeyGenerator {
long generate();
}
// 簡(jiǎn)易Snowflake實(shí)現(xiàn)
public class SimpleSnowflake implements PrimaryKeyGenerator {
private static final String HIGH = "0";
private static final long MAX_WORKER_ID = 31;
private static final long MIN_WORKER_ID = 0;
private static final long MAX_DC_ID = 31;
private static final long MIN_DC_ID = 0;
private static final long MAX_SEQUENCE = 4095;
/**
* 機(jī)器ID
*/
private final long workerId;
/**
* 數(shù)據(jù)中心ID
*/
private final long dataCenterId;
/**
* 基準(zhǔn)紀(jì)元值
*/
private final long epoch;
private long sequence = 0L;
private long lastTimestamp = -1L;
public SimpleSnowflake(long workerId, long dataCenterId, long epoch) {
this.workerId = workerId;
this.dataCenterId = dataCenterId;
this.epoch = epoch;
checkArgs();
}
private void checkArgs() {
if (!(MIN_WORKER_ID <= workerId && workerId <= MAX_WORKER_ID)) {
throw new IllegalArgumentException("Worker id must be in [0,31]");
}
if (!(MIN_DC_ID <= dataCenterId && dataCenterId <= MAX_DC_ID)) {
throw new IllegalArgumentException("Data center id must be in [0,31]");
}
}
@Override
public synchronized long generate() {
long timestamp = System.currentTimeMillis();
// 時(shí)鐘回?fù)?
if (timestamp < lastTimestamp) {
throw new IllegalStateException("Clock moved backwards");
}
// 同一毫秒內(nèi)并發(fā)
if (lastTimestamp == timestamp) {
sequence = sequence + 1;
if (sequence == MAX_SEQUENCE) {
timestamp = untilNextMillis(lastTimestamp);
sequence = 0L;
}
} else {
// 下一毫秒重置sequence為0
sequence = 0L;
}
lastTimestamp = timestamp;
// 41位時(shí)間戳字符串，不夠位數(shù)左邊補(bǔ)"0"
String timestampString = leftPadding(Long.toBinaryString(timestamp - epoch), 41);
// 5位機(jī)器ID字符串，不夠位數(shù)左邊補(bǔ)"0"
String workerIdString = leftPadding(Long.toBinaryString(workerId), 5);
// 5位數(shù)據(jù)中心ID字符串，不夠位數(shù)左邊補(bǔ)"0"
String dataCenterIdString = leftPadding(Long.toBinaryString(dataCenterId), 5);
// 12位序列號(hào)字符串，不夠位數(shù)左邊補(bǔ)"0"
String seqString = leftPadding(Long.toBinaryString(sequence), 12);
String value = HIGH + timestampString + workerIdString + dataCenterIdString + seqString;
return Long.parseLong(value, 2);
}
private long untilNextMillis(long lastTimestamp) {
long timestamp;
do {
timestamp = System.currentTimeMillis();
} while (timestamp <= lastTimestamp);
return timestamp;
}
private static String leftPadding(String value, int maxLength) {
int diff = maxLength - value.length();
StringBuilder builder = new StringBuilder();
for (int i = 0; i < diff; i++) {
builder.append("0");
}
builder.append(value);
return builder.toString();
}
public static void main(String[] args) {
long epoch = LocalDateTime.of(1970, 1, 1, 0, 0, 0, 0)
.toInstant(ZoneOffset.of("+8")).toEpochMilli();
PrimaryKeyGenerator generator = new SimpleSnowflake(1L, 1L, epoch);
for (int i = 0; i < 5; i++) {
System.out.println(String.format("第%s個(gè)生成的ID: %d", i + 1, generator.generate()));
}
}
}
// 某個(gè)時(shí)刻輸出如下
第1個(gè)生成的ID: 6698247966366502912
第2個(gè)生成的ID: 6698248027448152064
第3個(gè)生成的ID: 6698248032162549760
第4個(gè)生成的ID: 6698248033076908032
第5個(gè)生成的ID: 6698248033827688448通過字符串拼接的寫法雖然運(yùn)行效率低，但是可讀性會(huì)比較高，工程化處理后的代碼可以在實(shí)例化時(shí)候直接指定Worker ID和Data Center ID等值，并且這個(gè)簡(jiǎn)易的Snowflake實(shí)現(xiàn)沒有第三方庫(kù)依賴，拷貝下來可以直接運(yùn)行。上面的方法使用字符串拼接看起來比較低端，其實(shí)最后那部分的按位或，可以完全轉(zhuǎn)化為加法：
public class Main {
/**
* 2020-08-01 00:00:00
*/
private static final long EPOCH = 1596211200000L;
public static void main(String[] args) {
long workerId = 1L;
long dataCenterId = 1L;
long seq = 4095;
long timestampDiff = System.currentTimeMillis() - EPOCH;
long num = (long) (timestampDiff * Math.pow(2, 22)) + (long) (dataCenterId * Math.pow(2, 17)) + (long) (workerId * Math.pow(2, 12)) + seq;
System.out.println(num); // 某個(gè)時(shí)刻輸出為3248473482862591
}
}這樣看起來整個(gè)算法都變得簡(jiǎn)單，不過這里涉及到指數(shù)運(yùn)算和加法運(yùn)算，效率會(huì)比較低。
感謝各位的閱讀，以上就是“Snowflake算法的實(shí)現(xiàn)原理”的內(nèi)容了，經(jīng)過本文的學(xué)習(xí)后，相信大家對(duì)Snowflake算法的實(shí)現(xiàn)原理這一問題有了更深刻的體會(huì)，具體使用情況還需要大家實(shí)踐驗(yàn)證。這里是億速云，小編將為大家推送更多相關(guān)知識(shí)點(diǎn)的文章，歡迎關(guān)注！
免責(zé)聲明：本站發(fā)布的內(nèi)容（圖片、視頻和文字）以原創(chuàng)、轉(zhuǎn)載和分享為主，文章觀點(diǎn)不代表本網(wǎng)站立場(chǎng)，如果涉及侵權(quán)請(qǐng)聯(lián)系站長(zhǎng)郵箱：is@yisu.com進(jìn)行舉報(bào)，并提供相關(guān)證據(jù)，一經(jīng)查實(shí)，將立刻刪除涉嫌侵權(quán)內(nèi)容。
億速云公眾號(hào)
手機(jī)網(wǎng)站二維碼