雪花算法的原理

编程入门行业动态更新时间:2024-10-22 02:40:05

雪花<a href=https://www.elefans.com/category/jswz/34/1770096.html style= 算法的原理"/>

雪花算法的原理

前提

原理

代码

深度解析

4096

1024

总结

前提

需要对位运算符有所了解，运算符之位运算符

原理

1，如图所示，整个id的生成，是有三部分组合在一起的

2，第一部分是时间，站位41bit；第二部分是工作机器id，站位10bit；第三部分是序列号，站位12bit。

3，第一部分时间的生成规则是：当前时间戳【System.currentTimeMillis()】，减去初始时间【private long twepoch = 1628850054648L;】，会得到一个时间差，第一位存放的就是这个时间差。

4，第二部分工作机器id规则：有数据中心（5bit）+机器节点（5bit）组合在一起。可以满足多钟场景使用。

5，第三部分序列号规则：一个由0不断自增的整数。当处于高并发的情况下，每毫秒都需要生成大量的id时，只靠时间差来保证唯一性，已经不能满足需求了。序列号，不断自增，由序列表+时间差就能保证唯一性了。

6，核心：把如上三部分，根据前后顺序，拼接在一起，唯一id就出来了。拼接主要是利用位运算符，来实现的。

代码

/*** 生成id* 每毫秒可产生4096不同id* 最多可以使用69.73年* * @author frank—fu**/
public class IdGen {//机器节点private long workerId;//数据中心private long datacenterId;//序列号（自增）private long sequence = 0L;//初始时间（Thu, 04 Nov 2010 01:42:54 GMT）//主要是用来计算时间差（当前时间-twepoch）//这个时间最好是系统第一次上线时间,这样可以使用大概69.73年private long twepoch = 1628850054648L;//机器节点ID长度private long workerIdBits = 5L; //数据中心ID长度private long datacenterIdBits = 5L;//最大支持机器节点数0~31，一共32个private long maxWorkerId = -1L ^ (-1L << workerIdBits);//最大支持数据中心节点数0~31，一共32个private long maxDatacenterId = -1L ^ (-1L << datacenterIdBits); //序列号长度private long sequenceBits = 12L;//机器节点需要左移位数（sequenceBits = 12）private long workerIdShift = sequenceBits;//数据中心节点需要左移位数（sequenceBits + workerIdBits = 17）private long datacenterIdShift = sequenceBits + workerIdBits;//时间毫秒数需要左移位数（sequenceBits + workerIdBits + datacenterIdBits = 22）private long timestampLeftShift = sequenceBits + workerIdBits + datacenterIdBits;//sequence的最大值4095，如果为4095，则sequence=0private long sequenceMask = -1L ^ (-1L << sequenceBits);//上次获取id的时间，默认为-1private long lastTimestamp = -1L;private static class IdGenHolder {private static final IdGen instance = new IdGen();}public static IdGen getInStance() {return IdGenHolder.instance;}public IdGen() {this(0L, 0L);}public IdGen(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;}public synchronized long nextId() {//获取当前毫秒数long timestamp = timeGen(); //如果服务器时间有问题(时钟后退) 报错。if (timestamp < lastTimestamp) {throw new RuntimeException(String.format("Clock moved backwards.  Refusing to generate id for %d milliseconds", lastTimestamp - timestamp));}//如果上次生成时间和当前时间相同,在同一毫秒内if (lastTimestamp == timestamp) {//sequence自增，因为sequence只有12bit，所以和sequenceMask相与一下，去掉高位sequence = (sequence + 1) & sequenceMask;//判断是否溢出,也就是每毫秒内超过4095，当为4096时，与sequenceMask相与，sequence就等于0if (sequence == 0) {timestamp = tilNextMillis(lastTimestamp); //自旋等待到下一毫秒}} else {//如果和上次生成时间不同,重置sequence，就是下一毫秒开始，sequence计数重新从0开始累加sequence = 0L;}//保存本次生成id的时间lastTimestamp = timestamp;//核心计算//1,(timestamp - twepoch) << timestampLeftShift （当前时间减去初始时间）的值左移22位//2,datacenterId << datacenterIdShift 数据中心左移17位//3,workerId << workerIdShift 机器节点左移12位//利用|的特性，把数据拼接起来return ((timestamp - twepoch) << timestampLeftShift) | (datacenterId << datacenterIdShift)| (workerId << workerIdShift) | sequence;}protected long tilNextMillis(long lastTimestamp) {long timestamp = timeGen();while (timestamp <= lastTimestamp) {timestamp = timeGen();}return timestamp;}protected long timeGen() {return System.currentTimeMillis();}}