SnowflakeId雪花ID算法，分布式自增ID应用

闪念基因 06-06 331

前言：

而今你们对“唯一int算法”可能比较关怀，朋友们都需要剖析一些“唯一int算法”的相关资讯。那么小编在网上收集了一些对于“唯一int算法””的相关知识，希望朋友们能喜欢，各位老铁们快快来学习一下吧！

概述

snowflake是Twitter开源的分布式ID生成算法，结果是一个Long型的ID。其核心思想是：使用41bit作为毫秒数，10bit作为机器的ID（5个bit是数据中心，5个bit的机器ID），12bit作为毫秒内的序列号（意味着每个节点在每毫秒可以产生 4096 个 ID），最后还有一个符号位，永远是0。

特点：

作为ID，肯定是唯一的；自增，依赖时间戳生成，序列号有序递增；支持非常大的业务ID生成，最大支持2^10=1024个业务节点，同一个节点一毫秒最多生成2^12=4096个ID，41位毫秒级时间可以使用（2^41 - 1）/(1000*60*60*24*365)=69.73，大约70年；实现简单，不依赖于其他第三方组件，甚至都不需要任何import。

结果是一个Long型的ID，64位，结构图如下：

第1位固定是0，表示正数；第2-42共41位表示时间戳，当前时间的时间戳减去开始时间的时间戳；业务节点ID，每个节点固定的值；毫秒内的序列号。实现

清楚了结构后，就比较好实现了。

41bit-时间戳

当前时间的时间戳减去开始时间的时间戳，左移22位

(ts - beginTs) << timestampLeftOffset

10bit-工作机器ID

自定义的业务节点ID，固定的值，左移12位

workerId << workerIdLeftOffset

12bit-序列号

毫秒内序列号，以此递增，如果溢出就阻塞到下一秒从0开始计数

// 同一时间内，则计算序列号if (ts == lastTimestamp) {    // 序列号溢出    if (++sequence > maxSequence) {        ts = tilNextMillis(lastTimestamp);        sequence = 0L;    }} else {    // 时间戳改变，重置序列号    sequence = 0L;}lastTimestamp = ts;

/** * 阻塞到下一个毫秒 * * @param lastTimestamp * @return */private long tilNextMillis(long lastTimestamp) {    long ts = System.currentTimeMillis();    while (ts <= lastTimestamp) {        ts = System.currentTimeMillis();    }    return ts;}

生成最终的ID

return (ts - beginTs) << timestampLeftOffset | workerId << workerIdLeftOffset | sequence;

完整代码

最后贴出完整代码。

public class SnowflakeIdWorker {    /**     * 开始时间：2020-01-01 00:00:00     */    private final long beginTs = 1577808000000L;    private final long workerIdBits = 10;    /**     * 2^10 - 1 = 1023     */    private final long maxWorkerId = -1L ^ (-1L << workerIdBits);    private final long sequenceBits = 12;    /**     * 2^12 - 1 = 4095     */    private final long maxSequence = -1L ^ (-1L << sequenceBits);    /**     * 时间戳左移22位     */    private final long timestampLeftOffset = workerIdBits + sequenceBits;    /**     * 业务ID左移12位     */    private final long workerIdLeftOffset = sequenceBits;    /**     * 合并了机器ID和数据标示ID，统称业务ID，10位     */    private long workerId;    /**     * 毫秒内序列，12位，2^12 = 4096个数字     */    private long sequence = 0L;    /**     * 上一次生成的ID的时间戳，同一个worker中     */    private long lastTimestamp = -1L;    public SnowflakeIdWorker(long workerId) {        if (workerId > maxWorkerId || workerId < 0) {            throw new IllegalArgumentException(String.format("WorkerId必须大于或等于0且小于或等于%d", maxWorkerId));        }        this.workerId = workerId;    }    public synchronized long nextId() {        long ts = System.currentTimeMillis();        if (ts < lastTimestamp) {            throw new RuntimeException(String.format("系统时钟回退了%d毫秒", (lastTimestamp - ts)));        }        // 同一时间内，则计算序列号        if (ts == lastTimestamp) {            // 序列号溢出            if (++sequence > maxSequence) {                ts = tilNextMillis(lastTimestamp);                sequence = 0L;            }        } else {            // 时间戳改变，重置序列号            sequence = 0L;        }        lastTimestamp = ts;        // 0 - 00000000 00000000 00000000 00000000 00000000 0 - 00000000 00 - 00000000 0000        // 左移后，低位补0，进行按位或运算相当于二进制拼接        // 本来高位还有个0<<63，0与任何数字按位或都是本身，所以写不写效果一样        return (ts - beginTs) << timestampLeftOffset | workerId << workerIdLeftOffset | sequence;    }    /**     * 阻塞到下一个毫秒     *     * @param lastTimestamp     * @return     */    private long tilNextMillis(long lastTimestamp) {        long ts = System.currentTimeMillis();        while (ts <= lastTimestamp) {            ts = System.currentTimeMillis();        }        return ts;    }}

补充

这里面有大量的二进制位运算，目的只有一个：快。

规则：1为真，0为否，其实就是同位之间的布尔运算。

按位与：&

都为真就是真，其他都是否