snowflake(雪花算法)是Twitter開源的分布式ID生成算法，結(jié)果是一個long型的ID。這種方案把64-bit分別劃分成多段，分開來標(biāo)示機器、時間等。如圖：

其核心思想是：使用41bit作為毫秒數(shù)，10bit作為機器的ID（5個bit是數(shù)據(jù)中心，5個bit的機器ID），12bit作為毫秒內(nèi)的流水號（意味著每個節(jié)點在每毫秒可以產(chǎn)生 4096 個 ID），最后還有一個符號位，永遠(yuǎn)是0。

snowflake算法可以根據(jù)自身項目的需要進(jìn)行一定的修改。比如估算未來的數(shù)據(jù)中心個數(shù)，每個數(shù)據(jù)中心的機器數(shù)以及統(tǒng)一毫秒可以能的并發(fā)數(shù)來調(diào)整在算法中所需要的bit數(shù)。

【優(yōu)點】

• 穩(wěn)定性高，不依賴于數(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。
• 靈活方便，可以根據(jù)自身業(yè)務(wù)特性分配bit位。
• 單機上ID單調(diào)自增，毫秒數(shù)在高位，自增序列在低位，整個ID都是趨勢遞增的。

【缺點】

• 強依賴機器時鐘，如果機器上時鐘回?fù)?#xff0c;會導(dǎo)致發(fā)號重復(fù)或者服務(wù)會處于不可用狀態(tài)。
• ID可能不是全局遞增。在單機上是遞增的，但是由于涉及到分布式環(huán)境，每臺機器上的時鐘不可能完全同步，也許有時候也會出現(xiàn)不是全局遞增的情況。

代碼：

/*** <p>名稱：IdWorker.java</p>* <p>描述：分布式自增長ID</p>* <pre>* Twitter的 Snowflake　JAVA實現(xiàn)方案* </pre>* 核心代碼為其IdWorker這個類實現(xiàn)，其原理結(jié)構(gòu)如下，我分別用一個0表示一位，用—分割開部分的作用：* 1||0---0000000000 0000000000 0000000000 0000000000 0 --- 00000 ---00000 ---000000000000* 在上面的字符串中，第一位為未使用（實際上也可作為long的符號位），接下來的41位為毫秒級時間，* 然后5位datacenter標(biāo)識位，5位機器ID（并不算標(biāo)識符，實際是為線程標(biāo)識），* 然后12位該毫秒內(nèi)的當(dāng)前毫秒內(nèi)的計數(shù)，加起來剛好64位，為一個Long型。* 這樣的好處是，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datacenter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，完全滿足需要。* <p>* 64位ID (42(毫秒)+5(機器ID)+5(業(yè)務(wù)編碼)+12(重復(fù)累加))** @author Polim*/ public class IdWorker {// 時間起始標(biāo)記點，作為基準(zhǔn)，一般取系統(tǒng)的最近時間（一旦確定不能變動）private final static long twepoch = System.currentTimeMillis();// 機器標(biāo)識位數(shù)private final static long workerIdBits = 5L;// 數(shù)據(jù)中心標(biāo)識位數(shù)private final static long datacenterIdBits = 5L;// 機器ID最大值private final static long maxWorkerId = -1L ^ (-1L << workerIdBits);// 數(shù)據(jù)中心ID最大值private final static long maxDatacenterId = -1L ^ (-1L << datacenterIdBits);// 毫秒內(nèi)自增位private final static long sequenceBits = 12L;// 機器ID偏左移12位private final static long workerIdShift = sequenceBits;// 數(shù)據(jù)中心ID左移17位private final static long datacenterIdShift = sequenceBits + workerIdBits;// 時間毫秒左移22位private final static long timestampLeftShift = sequenceBits + workerIdBits + datacenterIdBits;private final static long sequenceMask = -1L ^ (-1L << sequenceBits);//序列掩碼/* 上次生產(chǎn)id時間戳 */private static long lastTimestamp = -1L;// 0，并發(fā)控制private long sequence = 0L;private final long workerId;// 數(shù)據(jù)標(biāo)識id部分private final long datacenterId;public IdWorker() {this.datacenterId = getDatacenterId(maxDatacenterId);this.workerId = getMaxWorkerId(datacenterId, maxWorkerId);}/*** @param workerId 工作機器ID* @param datacenterId 序列號*/public IdWorker(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;}/*** 獲取下一個ID** @return*/public synchronized long nextId() {long timestamp = timeGen();//System.currentTimeMillis();if (timestamp < lastTimestamp) {throw new RuntimeException(String.format("Clock moved backwards. Refusing to generate id for %d milliseconds", lastTimestamp - timestamp));}if (lastTimestamp == timestamp) {// 當(dāng)前毫秒內(nèi)，則+1sequence = (sequence + 1) & sequenceMask;if (sequence == 0) {// 當(dāng)前毫秒內(nèi)計數(shù)滿了，則等待下一秒timestamp = tilNextMillis(lastTimestamp);}} else {sequence = 0L;}lastTimestamp = timestamp;// ID偏移組合生成最終的ID，并返回IDlong nextId = ((timestamp - twepoch) << timestampLeftShift)| (datacenterId << datacenterIdShift)| (workerId << workerIdShift) | sequence;return nextId;}private long tilNextMillis(final long lastTimestamp) {long timestamp = this.timeGen();while (timestamp <= lastTimestamp) {timestamp = this.timeGen();}return timestamp;}private long timeGen() {return System.currentTimeMillis();}/*** <p>* 獲取 maxWorkerId* </p>*/protected static long getMaxWorkerId(long datacenterId, long maxWorkerId) {StringBuffer mpid = new StringBuffer();mpid.append(datacenterId);String name = ManagementFactory.getRuntimeMXBean().getName();if (!name.isEmpty()) {/** GET jvmPid*/mpid.append(name.split("@")[0]);}/** MAC + PID 的 hashcode 獲取16個低位*/return (mpid.toString().hashCode() & 0xffff) % (maxWorkerId + 1);}/*** <p>* 數(shù)據(jù)標(biāo)識id部分* </p>*/protected static long getDatacenterId(long maxDatacenterId) {long id = 0L;try {InetAddress ip = InetAddress.getLocalHost();NetworkInterface network = NetworkInterface.getByInetAddress(ip);if (network == null) {id = 1L;} else {byte[] mac = network.getHardwareAddress();id = ((0x000000FF & (long) mac[mac.length - 1])| (0x0000FF00 & (((long) mac[mac.length - 2]) << 8))) >> 6;id = id % (maxDatacenterId + 1);}} catch (Exception e) {System.out.println(" getDatacenterId: " + e.getMessage());}return id;}}

總結(jié)

以上是生活随笔為你收集整理的snowflake分布式自增长id的java实现的全部內(nèi)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(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。