背景

在復雜分布式系統中，往往需要對大量的數據和消息進行唯一標識。如在支付流水號、訂單號等，隨者業務數據日漸增長，對數據分庫分表后需要有一個唯一ID來標識一條數據或消息，數據庫的自增ID顯然不能滿足需求，此時一個能夠生成全局唯一ID的系統是非常必要的。

生成的唯一id需要具備哪些條件

全局唯一性：不能出現重復的ID號，既然是唯一標識，這是最基本的要求。

趨勢遞增：在MySQL InnoDB引擎中使用的是聚集索引，由于多數RDBMS使用B-tree的數據結構來存儲索引數據，在主鍵的選擇上面我們應該盡量使用有序的主鍵保證寫入性能。

單調遞增：保證下一個ID一定大于上一個ID，例如事務版本號、IM增量消息、排序等特殊需求。

信息安全：如果ID是連續的，惡意用戶的扒取工作就非常容易做了，直接按照順序下載指定URL即可；如果是訂單號就更危險了，競對可以直接知道我們一天的單量。所以在一些應用場景下，會需要ID無規則、不規則。

UUID

關于分布式id,很多人會想到使用UUID，UUID在唯一性上確實可以達到這個目的，但它也存在很大的缺陷

優點：

性能非常高：本地生成，沒有網絡消耗。

缺點：

不易于存儲：UUID太長，16字節128位，通常以36長度的字符串表示，很多場景不適用。

信息不安全：基于MAC地址生成UUID的算法可能會造成MAC地址泄露，這個漏洞曾被用于尋找梅麗莎病毒的制作者位置。

ID作為主鍵時在特定的環境會存在一些問題，比如做DB主鍵的場景下，UUID就非常不適用。(MySQL官方有明確的建議主鍵要盡量越短越好，36個字符長度的UUID不符合要求。對MySQL索引不利：如果作為數據庫主鍵，在InnoDB引擎下，UUID的無序性可能會引起數據位置頻繁變動，嚴重影響性能。)

snowflake

"世界上沒有一片雪花是相同的"，這大概是snowflake名字的由來吧。

SnowFlake算法是Twitter設計的一個可以在分布式系統中生成唯一的ID的算法，它可以滿足Twitter每秒上萬條消息ID分配的請求，這些消息ID是唯一的且有大致的遞增順序。

snowflake算法的原理

SnowFlake算法產生的ID是一個64位的整型，結構如下(每一部分用“-”符號分隔)：

snowflake.png

需要注意的是64位是二進制，2的64次方 = 18446744073709551616，這就是能表示的id的范圍，范圍可以通過擴展序列號或則工作機器id來增加id的上限。

1位標識部分

在java中由于long的最高位是符號位，正數是0，負數是1，一般生成的ID為正數，所以為0；

41位時間戳部分

這個是毫秒級的時間，一般實現上不會存儲當前的時間戳，而是時間戳的差值(當前時間-固定的開始時間)，這樣可以使產生的ID從更小值開始；41位的時間戳可以使用69年，(1L << 41) / (1000L * 60 * 60 * 24 * 365) = 69年；

10位節點部分

Twitter實現中使用前5位作為數據中心標識，后5位作為機器標識，可以部署1024個節點，在Spring Cloud中可以為每一個實例生成唯一的機器識別碼，這樣就能保證每個實例中生成的id都不一樣。

12位序列號部分

支持同一毫秒內同一個節點可以生成4096(2的12次方)個ID，這個同樣可以擴展，但其實每毫秒生成4096個id已經能滿足大部分場景了。

算法的java代碼

/**

* twitter的snowflake算法 -- java實現

*

* @author beyond

* @date 2016/11/26

*/

public class SnowFlake {

/**

* 起始的時間戳(最后的時間 = 當前時間戳 - 起始的時間戳)

*/

private final static long START_STMP = 1480166465631L;

/**

* 每一部分占用的位數

*/

private final static long SEQUENCE_BIT = 12; //序列號占用的位數

private final static long MACHINE_BIT = 5; //機器標識占用的位數

private final static long DATACENTER_BIT = 5;//數據中心占用的位數

/**

* 每一部分的最大值

*/

private final static long MAX_DATACENTER_NUM = -1L ^ (-1L << DATACENTER_BIT);

private final static long MAX_MACHINE_NUM = -1L ^ (-1L << MACHINE_BIT);

private final static long MAX_SEQUENCE = -1L ^ (-1L << SEQUENCE_BIT);

/**

* 每一部分向左的位移

*/

private final static long MACHINE_LEFT = SEQUENCE_BIT;

private final static long DATACENTER_LEFT = SEQUENCE_BIT + MACHINE_BIT;

private final static long TIMESTMP_LEFT = DATACENTER_LEFT + DATACENTER_BIT;

private long datacenterId; //數據中心

private long machineId; //機器標識

private long sequence = 0L; //序列號

private long lastStmp = -1L;//上一次時間戳

public SnowFlake(long datacenterId, long machineId) {

// 校驗datacenterId長度超過范圍就拋異常

if (datacenterId > MAX_DATACENTER_NUM || datacenterId < 0) {

throw new IllegalArgumentException("datacenterId can't be greater than MAX_DATACENTER_NUM or less than 0");

}

// 校驗machineId長度超過范圍就拋異常

if (machineId > MAX_MACHINE_NUM || machineId < 0) {

throw new IllegalArgumentException("machineId can't be greater than MAX_MACHINE_NUM or less than 0");

}

this.datacenterId = datacenterId;

this.machineId = machineId;

}

/**

* 產生下一個ID

*

* @return

*/

public synchronized long nextId() {

long currStmp = getNewstmp();

if (currStmp < lastStmp) {

throw new RuntimeException("Clock moved backwards. Refusing to generate id");

}

if (currStmp == lastStmp) {

//相同毫秒內，序列號自增

sequence = (sequence + 1) & MAX_SEQUENCE;

//同一毫秒的序列數已經達到最大

if (sequence == 0L) {

currStmp = getNextMill();

}

} else {

//不同毫秒內，序列號置為0

sequence = 0L;

}

lastStmp = currStmp;

//使用二進制的"|"運算符將4部分的值整合成我們需要的id

return (currStmp - START_STMP) << TIMESTMP_LEFT //時間戳部分

| datacenterId << DATACENTER_LEFT //數據中心部分

| machineId << MACHINE_LEFT //機器標識部分

| sequence; //序列號部分

}

//如果當前毫秒值下的序列號用完，就循環獲取下個毫秒值，如果沒有獲取到下個毫秒值就

//一直循環下去

private long getNextMill() {

long mill = getNewstmp();

while (mill <= lastStmp) {

mill = getNewstmp();

}

return mill;

}

private long getNewstmp() {

return System.currentTimeMillis();

}

public static void main(String[] args) {

SnowFlake snowFlake = new SnowFlake(2, 3);

for (int i = 0; i < (1 << 12); i++) {

System.out.println(snowFlake.nextId());

}

}

}

總結

10位節點部分在代碼中分成了兩個5位節點，看具體需求，也可以用一個10位節點代替。snowflake更多的是提供一種算法思想，具體的id生成邏輯可以在此基礎上進一步的優化。

總結

以上是生活随笔為你收集整理的java不规则算法_分布式id生成算法 snowflake 详解的全部內容，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。