分布式id生成算法的有很多种，Twitter的SnowFlake就是其中经典的一种。

这里我首先来把代码展示一下

1：类的描述信息

/*** <p>名称：IdWorker.java</p>* <p>描述：分布式自增长ID</p>* <pre>* Twitter的 Snowflake　JAVA实现方案* </pre>* 核心代码为其IdWorker这个类实现，其原理结构如下，我分别用一个0表示一位，用—分割开部分的作用：* 1||0---0000000000 0000000000 0000000000 0000000000 0 --- 00000 ---00000 ---000000000000* 在上面的字符串中，第一位为未使用（实际上也可作为long的符号位），接下来的41位为毫秒级时间，* 然后5位datacenter标识位，5位机器ID（并不算标识符，实际是为线程标识），* 然后12位当前毫秒内的计数（用于控制一毫秒内的高并发），加起来刚好64位，为一个Long型。（这里我在12位的最后一位增加了奇偶性，下面会详解）* 这样的好处是，整体上按照时间自增排序，并且整个分布式系统内不会产生ID碰撞（由datacenter和机器ID作区分），* 并且效率较高，经测试，snowflake每秒能够产生26万ID左右，完全满足需要。* <p>* 64位ID (42(毫秒)+5(机器ID)+5(业务编码)+12(重复累加))* @author java baboon*/

下面是IdWorker类中的属性变量

// 时间起始标记点，作为基准，一般取系统的最近时间（一旦确定不能变动）private final static long twepoch = 1516489628123L;//对应时间2018-01-21 7:7:8.123// 机器标识位数private final static long workerIdBits = 5L;// 数据中心标识位数private final static long datacenterIdBits = 5L;// 机器ID最大值private final static long maxWorkerId = ~ (-1L << workerIdBits);//二进制5位最大值：11111=十进制31// 数据中心ID最大值private final static long maxDatacenterId = ~(-1L << datacenterIdBits);//二进制5位最大值：11111// 毫秒内自增位：我创建的是11位，连上奇偶性位数12位private final static long sequenceBits = 11L;//数字的奇偶性private final static long odevityBits=1;//添加自己的业务是数据具有奇偶性，在使用该id生成器是发现如果不是高并发的生成id，生成的每个//毫秒内自增向左移1位private final static long sequenceShift=odevityBits;// 机器ID偏左移12位private final static long workerIdShift = odevityBits + sequenceBits;// 数据中心ID左移17位private final static long datacenterIdShift = odevityBits + sequenceBits + workerIdBits;// 时间毫秒左移22位private final static long timestampLeftShift =odevityBits + sequenceBits + workerIdBits + datacenterIdBits;//序列号最大值11位：11111111111=2047private final static long sequenceMask = ~ (-1L << sequenceBits);//2047/* 上次生产id时间戳 */private static long lastTimestamp = -1L;// 0，并发控制private long sequence = 0L;private long odevity=0;private final long workerId;// 数据标识id部分private final long datacenterId;

截图：

构造函数

构造函数中主要判断的是：workId和datacenter不能大于他们限定的最大值31

生成id的方法：

下面来详解一下：

从左开始：

1位，不用。二进制中最高位为1的都是负数，但是我们生成的id一般都使用整数，所以这个最高位固定是0

41位，用来记录时间戳（毫秒）。

41位可以表示241−1个数字，

如果只用来表示正整数（计算机中正数包含0），可以表示的数值范围是：0 至 241−1，减1是因为可表示的数值范围是从0开始算的，而不是1。

也就是说41位可以表示241−1个毫秒的值，转化成单位年则是(241−1)/(1000∗60∗60∗24∗365)=69年

10位，用来记录工作机器id。

可以部署在210=1024个节点，包括5位datacenterId和5位workerId

5位（bit）可以表示的最大正整数是25−1=31，即可以用0、1、2、3、....31这32个数字，来表示不同的datecenterId或workerId

最后12位：序列号，用来记录同毫秒内产生的不同id，最后12位之前都比较好理解，就是这个最后的12位，猛一看有点蒙，其实这12位就是来防止高并发的，可以做到1毫秒内产生4095个数字，已经做的非常精细了

分布式生成ID的作用：特别强调第二条

SnowFlake可以保证：

所有生成的id按时间趋势递增

整个分布式系统内不会产生重复id（因为有datacenterId和workerId来做区分）

下面来说一下生成id里面最主要的代码：

// ID偏移组合生成最终的ID，并返回IDlong nextId = ((timestamp - twepoch) << timestampLeftShift)| (datacenterId << datacenterIdShift)| (workerId << workerIdShift) | sequence<<sequenceShift | odevity;

timestamp - twepoch：当前时间减去自己设置的时间值，twepoch:只能是当前时间值之前的一个值比如当前是2018-01-21 07：07：07，那么twepoch只能是这之前的时间，当然都转化为timestamp类型的，然后把得到的值向左移动22位，这里说明一下为什么要移动22位：因为这22位要放workID和dataCenterID和sequenceShift和odevity,控制机器id，数据id，序列号和奇偶性，数字的位置

datacenterId << datacenterIdShift：同理向左移动17位给别的数字腾出来位置，下面一次同理，本来sequence是12位，但是由于，在实际应用中，并不会出现在一毫秒内出现很高的并发，造成sequence一直是0，所以生成的id一直是偶数，为了让生成的id奇偶交替出现，我专门添加了一个odevity的位，来控制奇偶性，我想到这里，大家应该知道专门添加自己的业务逻辑了吧，其实就是专门向左移动

OK，有什么问题，留言讨论，大家共同进步，谢谢