Snowflake的使用方法以及示例分析

Snowflake的使用方法以及示例分析，很多新手對此不是很清楚，為了幫助大家解決這個難題，下面小編將為大家詳細(xì)講解，有這方面需求的人可以來學(xué)習(xí)下，希望你能有所收獲。

雪花算法-Snowflake

Snowflake，雪花算法是由Twitter開源的分布式ID生成算法，以劃分命名空間的方式將 64-bit位分割成多個部分，每個部分代表不同的含義。而 Java中64bit的整數(shù)是Long類型，所以在 Java 中 SnowFlake 算法生成的 ID 就是 long 來存儲的。

• 第1位占用1bit，其值始終是0，可看做是符號位不使用。

• 第2位開始的41位是時間戳，41-bit位可表示2^41個數(shù)，每個數(shù)代表毫秒，那么雪花算法可用的時間年限是(1L<<41)/(1000L360024*365)=69 年的時間。

• 中間的10-bit位可表示機器數(shù)，即2^10 = 1024臺機器，但是一般情況下我們不會部署這么臺機器。如果我們對IDC（互聯(lián)網(wǎng)數(shù)據(jù)中心）有需求，還可以將 10-bit 分 5-bit 給 IDC，分5-bit給工作機器。這樣就可以表示32個IDC，每個IDC下可以有32臺機器，具體的劃分可以根據(jù)自身需求定義。

• 最后12-bit位是自增序列，可表示2^12 = 4096個數(shù)。

這樣的劃分之后相當(dāng)于在一毫秒一個數(shù)據(jù)中心的一臺機器上可產(chǎn)生4096個有序的不重復(fù)的ID。但是我們 IDC 和機器數(shù)肯定不止一個，所以毫秒內(nèi)能生成的有序ID數(shù)是翻倍的。

Snowflake 的Twitter官方原版是用Scala寫的，對Scala語言有研究的同學(xué)可以去閱讀下，以下是 Java 版本的寫法。

package com.xxx.util;

/**
 * Twitter_Snowflake<br>
 * SnowFlake的結(jié)構(gòu)如下(每部分用-分開):<br>
 * 0 - 0000000000 0000000000 0000000000 0000000000 0 - 00000 - 00000 - 000000000000 <br>
 * 1位標(biāo)識，由于long基本類型在Java中是帶符號的，最高位是符號位，正數(shù)是0，負(fù)數(shù)是1，所以id一般是正數(shù)，最高位是0<br>
 * 41位時間截(毫秒級)，注意，41位時間截不是存儲當(dāng)前時間的時間截，而是存儲時間截的差值（當(dāng)前時間截 - 開始時間截)
 * 得到的值），這里的的開始時間截，一般是我們的id生成器開始使用的時間，由我們程序來指定的（如下下面程序IdWorker類的startTime屬性）。41位的時間截，可以使用69年，年T = (1L << 41) / (1000L * 60 * 60 * 24 * 365) = 69<br>
 * 10位的數(shù)據(jù)機器位，可以部署在1024個節(jié)點，包括5位datacenterId和5位workerId<br>
 * 12位序列，毫秒內(nèi)的計數(shù)，12位的計數(shù)順序號支持每個節(jié)點每毫秒(同一機器，同一時間截)產(chǎn)生4096個ID序號<br>
 * 加起來剛好64位，為一個Long型。<br>
 * SnowFlake的優(yōu)點是，整體上按照時間自增排序，并且整個分布式系統(tǒng)內(nèi)不會產(chǎn)生ID碰撞(由數(shù)據(jù)中心ID和機器ID作區(qū)分)，并且效率較高，經(jīng)測試，SnowFlake每秒能夠產(chǎn)生26萬ID左右。
 *
 * @author wsh
 * @version 1.0
 * @since JDK1.8
 * @date 2019/7/31
 */
public class SnowflakeDistributeId {


    // ==============================Fields===========================================
    /**
     * 開始時間截 (2015-01-01)
     */
    private final long twepoch = 1420041600000L;

    /**
     * 機器id所占的位數(shù)
     */
    private final long workerIdBits = 5L;

    /**
     * 數(shù)據(jù)標(biāo)識id所占的位數(shù)
     */
    private final long datacenterIdBits = 5L;

    /**
     * 支持的最大機器id，結(jié)果是31 (這個移位算法可以很快的計算出幾位二進(jìn)制數(shù)所能表示的最大十進(jìn)制數(shù))
     */
    private final long maxWorkerId = -1L ^ (-1L << workerIdBits);

    /**
     * 支持的最大數(shù)據(jù)標(biāo)識id，結(jié)果是31
     */
    private final long maxDatacenterId = -1L ^ (-1L << datacenterIdBits);

    /**
     * 序列在id中占的位數(shù)
     */
    private final long sequenceBits = 12L;

    /**
     * 機器ID向左移12位
     */
    private final long workerIdShift = sequenceBits;

    /**
     * 數(shù)據(jù)標(biāo)識id向左移17位(12+5)
     */
    private final long datacenterIdShift = sequenceBits + workerIdBits;

    /**
     * 時間截向左移22位(5+5+12)
     */
    private final long timestampLeftShift = sequenceBits + workerIdBits + datacenterIdBits;

    /**
     * 生成序列的掩碼，這里為4095 (0b111111111111=0xfff=4095)
     */
    private final long sequenceMask = -1L ^ (-1L << sequenceBits);

    /**
     * 工作機器ID(0~31)
     */
    private long workerId;

    /**
     * 數(shù)據(jù)中心ID(0~31)
     */
    private long datacenterId;

    /**
     * 毫秒內(nèi)序列(0~4095)
     */
    private long sequence = 0L;

    /**
     * 上次生成ID的時間截
     */
    private long lastTimestamp = -1L;

    //==============================Constructors=====================================

    /**
     * 構(gòu)造函數(shù)
     *
     * @param workerId     工作ID (0~31)
     * @param datacenterId 數(shù)據(jù)中心ID (0~31)
     */
    public SnowflakeDistributeId(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;
    }

    // ==============================Methods==========================================

    /**
     * 獲得下一個ID (該方法是線程安全的)
     *
     * @return SnowflakeId
     */
    public synchronized long nextId() {
        long timestamp = timeGen();

        //如果當(dāng)前時間小于上一次ID生成的時間戳，說明系統(tǒng)時鐘回退過這個時候應(yīng)當(dāng)拋出異常
        if (timestamp < lastTimestamp) {
            throw new RuntimeException(
                    String.format("Clock moved backwards.  Refusing to generate id for %d milliseconds", lastTimestamp - timestamp));
        }

        //如果是同一時間生成的，則進(jìn)行毫秒內(nèi)序列
        if (lastTimestamp == timestamp) {
            sequence = (sequence + 1) & sequenceMask;
            //毫秒內(nèi)序列溢出
            if (sequence == 0) {
                //阻塞到下一個毫秒,獲得新的時間戳
                timestamp = tilNextMillis(lastTimestamp);
            }
        }
        //時間戳改變，毫秒內(nèi)序列重置
        else {
            sequence = 0L;
        }

        //上次生成ID的時間截
        lastTimestamp = timestamp;

        //移位并通過或運算拼到一起組成64位的ID
        return ((timestamp - twepoch) << timestampLeftShift) //
                | (datacenterId << datacenterIdShift) //
                | (workerId << workerIdShift) //
                | sequence;
    }

    /**
     * 阻塞到下一個毫秒，直到獲得新的時間戳
     *
     * @param lastTimestamp 上次生成ID的時間截
     * @return 當(dāng)前時間戳
     */
    protected long tilNextMillis(long lastTimestamp) {
        long timestamp = timeGen();
        while (timestamp <= lastTimestamp) {
            timestamp = timeGen();
        }
        return timestamp;
    }

    /**
     * 返回以毫秒為單位的當(dāng)前時間
     *
     * @return 當(dāng)前時間(毫秒)
     */
    protected long timeGen() {
        return System.currentTimeMillis();
    }
}

測試的代碼如下

public static void main(String[] args) {
    SnowflakeDistributeId idWorker = new SnowflakeDistributeId(0, 0);
    for (int i = 0; i < 1000; i++) {
        long id = idWorker.nextId();
//      System.out.println(Long.toBinaryString(id));
        System.out.println(id);
    }
}

雪花算法提供了一個很好的設(shè)計思想，雪花算法生成的ID是趨勢遞增，不依賴數(shù)據(jù)庫等第三方系統(tǒng)，以服務(wù)的方式部署，穩(wěn)定性更高，生成ID的性能也是非常高的，而且可以根據(jù)自身業(yè)務(wù)特性分配bit位，非常靈活。

但是雪花算法強依賴機器時鐘，如果機器上時鐘回?fù)?，會?dǎo)致發(fā)號重復(fù)或者服務(wù)會處于不可用狀態(tài)。如果恰巧回退前生成過一些ID，而時間回退后，生成的ID就有可能重復(fù)。官方對于此并沒有給出解決方案，而是簡單的拋錯處理，這樣會造成在時間被追回之前的這段時間服務(wù)不可用。

雪花算法(Snowflake) - 改進(jìn)版

• 時間戳：高位取從2018年1月1日到現(xiàn)在的毫秒數(shù)，假設(shè)系統(tǒng)至少運行10年，那至少需要10年365天24小時3600秒1000毫秒=320*10^9，差不多預(yù)留39bit給毫秒數(shù)

• 業(yè)務(wù)線：8bit

• 機器：自動生成，預(yù)留10bit

• 毫秒內(nèi)序號：每秒的單機高峰并發(fā)量小于10W，即平均每毫秒的單機高峰并發(fā)量小于100，差不多預(yù)留7bit給每毫秒內(nèi)序列號。

代碼如下：

SnowflakeIdGenerator.java

package com.wsh.common.util;

import com.wsh.common.exception.IdsException;

import java.net.InetAddress;
import java.net.InterfaceAddress;
import java.net.NetworkInterface;
import java.net.SocketException;
import java.util.List;
import java.util.Random;

/**
 * Snowflake算法改進(jìn)版
 *
 * @author wsh
 * @version 1.0
 * @date 2019/7/31
 * @since JDK1.8
 */
public class SnowflakeIdGenerator {

    /**
     * 業(yè)務(wù)線標(biāo)識id所占的位數(shù)
     **/
    private final long serviceIdBits = 8L;
    /**
     * 業(yè)務(wù)線標(biāo)識支持的最大數(shù)據(jù)標(biāo)識id(這個移位算法可以很快的計算出幾位二進(jìn)制數(shù)所能表示的最大十進(jìn)制數(shù))
     */
    private final long maxServiceId = -1L ^ (-1L << serviceIdBits);
    private final long serviceId;


    /**
     * 機器id所占的位數(shù)
     **/
    private final long workerIdBits = 10L;
    /**
     * 支持的最大機器id
     */
    private final long maxWorkerId = -1L ^ (-1L << workerIdBits);
    private final long workerId;


    /**
     * 序列在id中占的位數(shù)
     **/
    private final long sequenceBits = 7L;
    private final long sequenceMask = -1L ^ (-1L << sequenceBits);


    /**
     * 開始時間戳（2018年1月1日）
     **/
    private final long twepoch = 1514736000000L;
    /**
     * 最后一次的時間戳
     **/
    private volatile long lastTimestamp = -1L;
    /**
     * 毫秒內(nèi)序列
     **/
    private volatile long sequence = 0L;
    /**
     * 隨機生成器
     **/
    private static volatile Random random = new Random();


    /**
     * 機器id左移位數(shù)
     **/
    private final long workerIdShift = sequenceBits;
    /**
     * 業(yè)務(wù)線id左移位數(shù)
     **/
    private final long serviceIdShift = workerIdBits + sequenceBits;
    /**
     * 時間戳左移位數(shù)
     **/
    private final long timestampLeftShift = serviceIdBits + workerIdBits + sequenceBits;

    public SnowflakeIdGenerator(long serviceId) {
        if ((serviceId > maxServiceId) || (serviceId < 0)) {
            throw new IllegalArgumentException(String.format("service Id can't be greater than %d or less than 0", maxServiceId));
        }
        workerId = getWorkerId();
        if ((workerId > maxWorkerId) || (workerId < 0)) {
            throw new IllegalArgumentException(String.format("worker Id can't be greater than %d or less than 0", maxWorkerId));
        }
        this.serviceId = serviceId;
    }

    public synchronized long nextId() throws IdsException {
        long timestamp = System.currentTimeMillis();
        if (timestamp < lastTimestamp) {
            throw new IdsException("Clock moved backwards.  Refusing to generate id for " + (
                    lastTimestamp - timestamp) + " milliseconds.");
        }
        //如果是同一時間生成的，則進(jìn)行毫秒內(nèi)序列
        if (lastTimestamp == timestamp) {
            sequence = (sequence + 1) & sequenceMask;
            if (sequence == 0) {
                timestamp = tilNextMillis(lastTimestamp);
            }
        } else {
            //跨毫秒時，序列號總是歸0，會導(dǎo)致序列號為0的ID比較多，導(dǎo)致生成的ID取模后不均勻，所以采用10以內(nèi)的隨機數(shù)
            sequence = random.nextInt(10) & sequenceMask;
        }
        //上次生成ID的時間截（設(shè)置最后時間戳）
        lastTimestamp = timestamp;

        //移位并通過或運算拼到一起組成64位的ID
        return ((timestamp - twepoch) << timestampLeftShift) //時間戳
                | (serviceId << serviceIdShift) //業(yè)務(wù)線
                | (workerId << workerIdShift) //機器
                | sequence; //序號
    }

    /**
     * 等待下一個毫秒的到來, 保證返回的毫秒數(shù)在參數(shù)lastTimestamp之后
     * 不停獲得時間，直到大于最后時間
     */
    private long tilNextMillis(final long lastTimestamp) {
        long timestamp = System.currentTimeMillis();
        while (timestamp <= lastTimestamp) {
            timestamp = System.currentTimeMillis();
        }
        return timestamp;
    }

    /**
     * 根據(jù)機器的MAC地址獲取工作進(jìn)程Id，也可以使用機器IP獲取工作進(jìn)程Id，取最后兩個段，一共10個bit
     * 極端情況下，MAC地址后兩個段一樣，產(chǎn)品的工作進(jìn)程Id會一樣；再極端情況下，并發(fā)不大時，剛好跨毫秒，又剛好隨機出來的sequence一樣的話，產(chǎn)品的Id會重復(fù)
     *
     * @return
     * @throws IdsException
     */
    protected long getWorkerId() throws IdsException {
        try {
            java.util.Enumeration<NetworkInterface> en = NetworkInterface.getNetworkInterfaces();
            while (en.hasMoreElements()) {
                NetworkInterface iface = en.nextElement();
                List<InterfaceAddress> addrs = iface.getInterfaceAddresses();
                for (InterfaceAddress addr : addrs) {
                    InetAddress ip = addr.getAddress();
                    NetworkInterface network = NetworkInterface.getByInetAddress(ip);
                    if (network == null) {
                        continue;
                    }
                    byte[] mac = network.getHardwareAddress();
                    if (mac == null) {
                        continue;
                    }
                    long id = ((0x000000FF & (long) mac[mac.length - 1]) | (0x0000FF00 & (((long) mac[mac.length - 2]) << 8))) >> 11;
                    if (id > maxWorkerId) {
                        return new Random(maxWorkerId).nextInt();
                    }
                    return id;
                }
            }
            return new Random(maxWorkerId).nextInt();
        } catch (SocketException e) {
            throw new IdsException(e);
        }
    }

    /**
     * 獲取序號
     *
     * @param id
     * @return
     */
    public static Long getSequence(Long id) {
        String str = Long.toBinaryString(id);
        int size = str.length();
        String sequenceBinary = str.substring(size - 7, size);
        return Long.parseLong(sequenceBinary, 2);
    }

    /**
     * 獲取機器
     *
     * @param id
     * @return
     */
    public static Long getWorker(Long id) {
        String str = Long.toBinaryString(id);
        int size = str.length();
        String sequenceBinary = str.substring(size - 7 - 10, size - 7);
        return Long.parseLong(sequenceBinary, 2);
    }

    /**
     * 獲取業(yè)務(wù)線
     *
     * @param id
     * @return
     */
    public static Long getService(Long id) {
        String str = Long.toBinaryString(id);
        int size = str.length();
        String sequenceBinary = str.substring(size - 7 - 10 - 8, size - 7 - 10);
        return Long.parseLong(sequenceBinary, 2);
    }

}

IdsGen.java

package com.wsh.common.util;

/**
 * ID生成器
 *
 * @author wsh
 * @version 1.0
 * @date 2019/7/31
 * @since JDK1.8
 */
public enum IdsGen {

    /**
     * 基礎(chǔ)公共
     */
    BASIC(0),

    /**
     * 業(yè)務(wù)服務(wù)
     */
    BUSSINESS(1),

    /**
     * 其它
     */
    OTHER(255);

    private SnowflakeIdGenerator snowflakeIdGenerator;

    IdsGen(final int service) {
        snowflakeIdGenerator = new SnowflakeIdGenerator(service);
    }

    public long getIdGen() {
        return snowflakeIdGenerator.nextId();
    }

    public String getIdGenStr() {
        return String.valueOf(snowflakeIdGenerator.nextId());
    }
}

Test.java

package com.wsh.common.util;

/**
 * @author wsh
 * @version 1.0
 * @date 2019/7/31
 * @since JDK1.8
 */
public class Test {

    public static void main(String[] args) {

        long t = System.currentTimeMillis();
        for (int i = 0; i < 10000; i++) {
            System.out.println(IdsGen.BASIC.getIdGenStr());
        }

        long t1 = System.currentTimeMillis();
        System.out.println("耗時-->" + (t1 - t));
	}
}

缺點：

1. 極端情況下，獲取的workerId可能會重復(fù)，請看getWorkerId的注釋，后續(xù)可以改造為讀取配置文件，如果配置文件讀取不到再自動生成

2. 無法避免時間回?fù)?，比如潤?/p>

3. 無法保證每個ID都不浪費

看完上述內(nèi)容是否對您有幫助呢？如果還想對相關(guān)知識有進(jìn)一步的了解或閱讀更多相關(guān)文章，請關(guān)注億速云行業(yè)資訊頻道，感謝您對億速云的支持。