雪花算法基本结构
雪花算法
自己看到的较好的博客，记录一下
基本概念
SnowFlake 算法，是 Twitter 开源的分布式 id 生成算法。其核心思想就是：使用一个 64 bit 的 long 型的数字作为全局唯一 id
| 无意义 | 时间戳 | 机房ID | 机器ID | 序号 |
|---|---|---|---|---|
| 0 | 0001100 10111110 10001001 01000111 10100010 00 | 10001 | 1 1001 | 0000 00000000 |
| 1bit | 41bit | 5bit | 5bit | 12bit |
-
第一个部分，是 1 个 bit：0，这个是无意义的。
因为二进制里第一个 bit 为如果是 1，那么都是负数，但是我们生成的 id 都是正数，所以第一个 bit 统一都是 0。
-
第二个部分是 41 个 bit：表示的是时间戳。
41 bit 可以表示的数字多达 2^41 - 1，也就是可以标识 2 ^ 41 - 1 个毫秒值，换算成年就是表示 69 年的时间。
-
第三个部分是 5 个 bit：表示的是机房 id，10001。
5 个 bit 代表机房，id意思就是最多代表 2 ^ 5 个机房（32 个机房）。
-
第四个部分是 5 个 bit：表示的是机器 id，1 1001。
5 个 bit 代表机器 id，每个机房里可以代表 2 ^ 5 个机器（32 台机器）。
-
第五个部分是 12 个 bit：表示的序号，就是某个机房某台机器上这一毫秒内同时生成的 id 的序号，0000 00000000。
12 bit 可以代表的最大正整数是 2 ^ 12 - 1 = 4096，也就是说可以用这个 12 bit 代表的数字来区分同一个毫秒内的 4096 个不同的 id。
参考博客 https://blog.csdn.net/lq18050010830/article/details/89845790
算法具体介绍
下面的博客对雪花算法的分析很好，可以从第一篇到第七篇开始看
雪花算法中用到的位运算
-
取反操作 ~
-
取反后，正整数变成了负整数，负整数变成正整数
-
取反后，无论原来是整数还是负数，结果都会变成
(n+1) * -1L例如：3L --> -4L；-9L --> 8L；
-
-
位运算快速得出 n 位二进制数能表示的最大整数 ~(-1 << n)
- 3位对应
111--->(2^3) -1--->~(-8)--->~(-1 << 3)---> 7 - 4位对应
1111--->(2^4) -1--->~(-16)--->~(-1 << 4)---> 15
可以得出，n位二进制数对应的最大整数是
~（-1 << n) - 3位对应
-
不超过最大值的序列递增 &
- 7转为二进制：0000 0111，无论什么数与其做&运算，结果都是0000 0xxx
- 15转为二进制： 0000 1111，无论什么数与其做&运算，结果都是0000 xxxx
- 15 & 16 ---> 0000 1111 & 0001 0000 结果是 0000 0000
- 15 & 17 ---> 0000 1111 & 0001 0001 结果是 0000 0001
由上可知，超过15以后，就会从0开始重新算。（为什么选15，因为15是4位的二进制的最大值，4位全是1，类似的还可以选7,31,63, ...）
如果要在12位二进制中递增且不超过12位的最大值，可以用 n&4095
因此这种特性正好可以用在毫秒内的序列上：
seq = (seq + 1) & 4095（保证了位运算始终就是在4096这个范围内）
代码示例
package com.kai.utils;
import java.net.Inet4Address;
import java.net.UnknownHostException;
import java.util.Random;
/**
* 雪花算法
*
* @version v1.0
* @since 2020/02/21 14:00
*/
public class IdWorker {
/** 时间部分所占长度 */
private static final int TIME_LEN = 41;
/** 数据中心id所占长度 */
private static final int DATA_LEN = 5;
/** 机器id所占长度 */
private static final int WORK_LEN = 5;
/** 毫秒内存序列所占长度 */
private static final int SEQ_LEN = 12;
/** 定义起始时间 2015-01-01 00:00:00 */
private static final long START_TIME = 14200041600000L;
/** 上次生成ID的时间戳 */
private static long LAST_TIME_STAMP = -1L;
/** 时间部分向左移动的位数 22 */
private static final int TIME_LEFT_BIT = 64 - 1 - TIME_LEN;
/** 自动获取数据中心id（可以手动定义0-31之间的数） */
private static final long DATA_ID = getDataId();
/** 自动机器id（可以手动定义0-31之间的数） */
private static final long WORK_ID = getWorkId();
/** 数据中心id最大值 31 */
private static final int DATA_MAX_NUM = ~(-1 << DATA_LEN);
/** 机器id最大值 31 */
private static final int WORK_MAX_NUM = ~(-1 << WORK_LEN);
/** 随机获取数据中心id的参数 32 */
private static final int DATA_RANDOM = DATA_MAX_NUM + 1;
/** 随机获取机器id的参数 32 */
private static final int WORK_RANDOM = WORK_MAX_NUM + 1;
/** 数据中心id左移位数 17 */
private static final int DATA_LEFT_BIT = TIME_LEFT_BIT - DATA_LEN;
/** 机器id左移位数 12 */
private static final int WORK_LEFT_BIT = DATA_LEFT_BIT - WORK_LEN;
/** 上一次毫秒内存序列值 */
private static long LAST_SEQ = 0L;
/** 毫秒内存列的最大值 4095 */
private static final long SEQ_MAX_NUM = ~(-1 << SEQ_LEN);
/**
* 获取字符串S的字节数组，然后将数组的元素相加，对（max+1）取余
* @param s 本地机器的hostName/hostAddress
* @param max 机房/机器的id最大值
* @return
*/
private static int getHostId(String s, int max) {
byte[] bytes = s.getBytes();
int sums = 0;
for (int b : bytes) {
sums += b;
}
return sums % (max + 1);
}
/**
* 根据 host address 取余， 发送异常就返回 0-31 之间的随机数
* @return 机器ID
*/
private static int getWorkId() {
try {
return getHostId(Inet4Address.getLocalHost().getHostAddress(), WORK_MAX_NUM);
} catch (UnknownHostException e) {
return new Random().nextInt(WORK_RANDOM);
}
}
/**
* 根据 host name 取余， 发送异常就返回 0-31 之间的随机数
* @return 机房ID（数据中心ID）
*/
private static int getDataId() {
try{
return getHostId(Inet4Address.getLocalHost().getHostName(), DATA_MAX_NUM);
}catch(Exception e){
return new Random().nextInt(DATA_RANDOM);
}
}
/**
* 获取下一不同毫秒的时间戳
* @param lastMillis
* @return 下一毫秒的时间戳
*/
private static long nextMillis(long lastMillis) {
long now = System.currentTimeMillis();
while (now <= lastMillis) {
now = System.currentTimeMillis();
}
return now;
}
/**
* 核心算法，需要加锁保证并发安全
* @return 返回唯一ID
*/
public synchronized static long getUUID() {
long now = System.currentTimeMillis();
// 如果当前时间小于上一次ID生成的时间戳，说明系统时钟回退过，此时因抛出异常
if (now < LAST_TIME_STAMP) {
throw new RuntimeException(String.format("系统时间错误！ %d 毫秒内拒绝生成雪花ID", START_TIME));
}
if (now == LAST_TIME_STAMP) {
LAST_SEQ = (LAST_SEQ + 1) & SEQ_MAX_NUM;
if (LAST_SEQ == 0) {
now = nextMillis(LAST_TIME_STAMP);
}
} else {
LAST_SEQ = 0;
}
// 上次生成ID的时间戳
LAST_TIME_STAMP = now;
return ((now - START_TIME) << TIME_LEFT_BIT | (DATA_ID << DATA_LEFT_BIT) | (WORK_ID << WORK_LEFT_BIT) | LAST_SEQ);
}
/**
* 主函数测试
* @param args
*/
public static void main(String[] args) {
long start = System.currentTimeMillis();
int num = 300000;
for (int i = 0; i < num; i++) {
System.out.println(getUUID());
}
long end = System.currentTimeMillis();
System.out.println("共生成 " + num + " 个ID，用时 " + (end - start) + " 毫秒");
}
}
