雪花算法基本情況

• 雪花算法是一個分布式的唯一ID生成器。
• 它應該具有高并發，以及高性能優點。
• 基于時間戳，ID具有有序性，同時分布式下機器間時間差異過大（類似同一臺機器時間回撥，一定會重復），會導致重復ID。
• 基于機器碼和操作中心id，ID具有不可重復性。
• 它的ID是8字節64bit的一個Long長整型數據。

ID基本組成

ID基本組成：
不用： 1bit，因為最高位是符號位，0表示正，1表示負，所以這里固定為0
時間戳： 41bit，服務上線的時間毫秒級的時間戳（為當前時間-服務第一次上線時間），這里為（2^41-1）/1000/60/60/24/365 = 49.7年
工作機器id： 10bit，表示工作機器id，用于處理分布式部署id不重復問題，可支持2^10 = 1024個節點
序列號： 12bit，用于離散同一機器同一毫秒級別生成多條Id時，可允許同一毫秒生成2^12 = 4096個Id，則一秒就可生成4096*1000 = 400w個Id

這樣看，在分布式時，通過時間戳+工作機器ID+散列序列號，幾乎不會重復，當然你必須保證工作機器ID的準確配置。

源碼簡易分析以及注意事項

我們以mybatisplus實現的雪花算法為例：

• IdWorker類:
  注意：DefaultIdentifierGenerator()這個必須是單例模式的，否者在多線程高并發下，會有重復ID，而且很多。詳見IDENTIFIER_GENERATOR.nextId(entity)這個方法實現

package com.baomidou.mybatisplus.core.toolkit;import com.baomidou.mybatisplus.core.incrementer.DefaultIdentifierGenerator; import com.baomidou.mybatisplus.core.incrementer.IdentifierGenerator; import java.time.LocalDateTime; import java.time.format.DateTimeFormatter; import java.util.UUID; import java.util.concurrent.ThreadLocalRandom;public class IdWorker {/**單例模式，否者會多個重復Id,詳見IDENTIFIER_GENERATOR.nextId(entity).longValue()*/private static IdentifierGenerator IDENTIFIER_GENERATOR = new DefaultIdentifierGenerator();public static final DateTimeFormatter MILLISECOND = DateTimeFormatter.ofPattern("yyyyMMddHHmmssSSS");public IdWorker() {}/**獲取Id*/public static long getId() {return getId(new Object());}/**獲取Id，最終都會走這一步*/public static long getId(Object entity) {return IDENTIFIER_GENERATOR.nextId(entity).longValue();}/**機器碼和數據中心的ID，參數不能重復*/public static void initSequence(long workerId, long dataCenterId) {IDENTIFIER_GENERATOR = new DefaultIdentifierGenerator(workerId, dataCenterId);} }

• IDENTIFIER_GENERATOR.nextId(entity).longValue() 方法
  nextId是一個線程安全的方法，這也是多線程唯一Id生成的必要之一。
  synchronized并不會直接轉成重量級鎖，因為java在1.6已經優化，因此在資源上沒有過分占用，是從偏向鎖，輕量級鎖，再到重量級鎖的過程。

public synchronized long nextId() {/** long timestamp = this.timeGen();這步代碼一定要注意當你DefaultIdentifierGenerator是多例時，這里獲取的timestamp不具有真正的唯一性，因為多個實例一起在工作，所以寫工具類時不要寫成多例 */long timestamp = this.timeGen();// 這里是時間異常，針對分布式下，不同機器時間的差異過大if (timestamp < this.lastTimestamp) {long offset = this.lastTimestamp - timestamp;if (offset > 5L) {throw new RuntimeException(String.format("Clock moved backwards. Refusing to generate id for %d milliseconds", offset));}try {this.wait(offset << 1);timestamp = this.timeGen();if (timestamp < this.lastTimestamp) {throw new RuntimeException(String.format("Clock moved backwards. Refusing to generate id for %d milliseconds", offset));}} catch (Exception var6) {throw new RuntimeException(var6);}}if (this.lastTimestamp == timestamp) {this.sequence = this.sequence + 1L & 4095L;if (this.sequence == 0L) {// 散列序列號沒了，必須轉到下一毫秒，采用阻塞timestamp = this.tilNextMillis(this.lastTimestamp);}} else {// 散列序列號this.sequence = ThreadLocalRandom.current().nextLong(1L, 3L);}this.lastTimestamp = timestamp;// 或運算連接運算后的時間戳，數據中心，工作中心，序列號的bit位，會被自動返回為一個長整型的數據。return timestamp - 1288834974657L << 22 | this.datacenterId << 17 | this.workerId << 12 | this.sequence;}

雪花算法很好用，讓我了解了更多的東西，學習了。

總結

以上是生活随笔為你收集整理的雪花算法之唯一ID生成器理解的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。