最近公司正好在做數(shù)據(jù)庫遷移從oracle到mysql，因為之前oracle主鍵是使用的 SYS_GUID() 這個oracle提供的函數(shù)來生成全球唯一的標(biāo)識符(原始值)由16個字節(jié)組成。

不過由于mysql默認使用的InnoDB存儲引擎采用的聚簇索引，使用uuid對寫性能有一定的影響。而且為了后續(xù)分庫分表考慮，也不宜采用數(shù)據(jù)庫自增，因此就考慮到需要使用一種可以支持分布式遞增且全局唯一的Id生成算法。經(jīng)過調(diào)研，雪花算法是 Twitter 開源的一種生成分布式全局唯一ID的經(jīng)典算法，且能保證整體上按照時間遞增。

在查看了網(wǎng)上大部分關(guān)于雪花算法的資料后，關(guān)于雪花算法的解讀網(wǎng)上多如牛毛，大多抄來抄去。我發(fā)現(xiàn)這些教程大多有兩點問題：

只是解讀官方算法原理，沒有解決 機器ID(5位)和數(shù)據(jù)中心ID(5位)的配置問題，分布式部署如何保證配置唯一。

都是Demo需要實例化對象，沒有形成開箱即用的工具類，不能直接結(jié)合項目使用。

本文旨在完善上面存在的兩點問題，希望可以幫助和我一樣準(zhǔn)備在項目使用 SnowFlake 算法生成數(shù)據(jù)庫主鍵的小伙伴。

概述

---

SnowFlake算法生成id的結(jié)果是一個64bit大小的整數(shù)，它的結(jié)構(gòu)如下圖：

由于在Java中64bit的整數(shù)是long類型，所以在Java中SnowFlake算法生成的id就是long來存儲的。

SnowFlake可以保證：

• 所有生成的id按時間趨勢遞增

• 整個分布式系統(tǒng)內(nèi)不會產(chǎn)生重復(fù)id(因為有datacenterId和workerId來做區(qū)分)

Talk is cheap, show you the code

---

針對文章開頭提出的兩個問題，筆者的解決方案是，workId使用服務(wù)器IP生成，dataCenterId使用hostName生成，這樣可以最大限度防止10位機器碼重復(fù)，但是由于兩個ID都不能超過32，只能取余數(shù)，還是難免產(chǎn)生重復(fù)，但是實際使用中，hostName和IP的配置一般連續(xù)或相近，只要不是剛好相隔32位，就不會有問題，況且，hostName和IP同時相隔32的情況更加是幾乎不可能的事，平時做的分布式部署，一般也不會超過100臺容器。

上面的方法可以零配置使用雪花算法，雪花算法10位機器碼的設(shè)定理論上可以有1024個節(jié)點，生產(chǎn)上使用docker配置一般是一次編譯，然后分布式部署到不同容器，不會有不同的配置。這里提供幾種可以完全避免產(chǎn)生重復(fù)的方案，可以使用redis自增，在應(yīng)用啟動的時候去獲取分配機器碼。也可以使用zk下發(fā)機器碼，將機器對應(yīng)的機器碼存儲在zk的永久節(jié)點下，每次啟動獲取。不過這兩種方案都是需要配置開發(fā)的，在生產(chǎn)部署機器少以及并發(fā)不太大的情況下，使用本文提供的方案即可。后續(xù)如果真有問題，會采用這種依賴中間件下發(fā)機器碼的方案，到時候在進行補充。

完整代碼如下：

import org.apache.commons.lang3.RandomUtils;

import org.slf4j.Logger;

import org.slf4j.LoggerFactory;

import java.net.Inet4Address;

import java.net.UnknownHostException;

public class SnowflakeIdWorker{

private static final Logger LOGGER = LoggerFactory.getLogger(SnowflakeIdWorker.class);

/** 工作機器ID(0~31) */

private long workerId;

/** 數(shù)據(jù)中心ID(0~31) */

private long dataCenterId;

/** 毫秒內(nèi)序列(0~4095) */

private long sequence = 0L;

public SnowflakeIdWorker(long workerId, long dataCenterId){

// sanity check for workerId

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));

}

LOGGER.info("worker starting. timestamp left shift = {}, dataCenter id bits = {}, worker id bits = {}, sequence bits = {}, workerid = {}, dataCenterId = {}",

timestampLeftShift, datacenterIdBits, workerIdBits, sequenceBits, workerId,dataCenterId);

this.workerId = workerId;

this.dataCenterId = dataCenterId;

}

/**初始時間戳*/

private long twepoch = 1577808000000L;

/**長度為5位*/

private long workerIdBits = 5L;

private long datacenterIdBits = 5L;

/** 支持的最大機器id，結(jié)果是31 (這個移位算法可以很快的計算出幾位二進制數(shù)所能表示的最大十進制數(shù)) */

private long maxWorkerId = -1L ^ (-1L << workerIdBits);

/** 支持的最大數(shù)據(jù)標(biāo)識id，結(jié)果是31 */

private long maxDatacenterId = -1L ^ (-1L << datacenterIdBits);

/** 序列在id中占的位數(shù) */

private long sequenceBits = 12L;

/** 生成序列的掩碼，這里為4095 (0b111111111111=0xfff=4095) */

private long sequenceMask = -1L ^ (-1L << sequenceBits);

//工作id需要左移的位數(shù)，12位

private long workerIdShift = sequenceBits;

//數(shù)據(jù)id需要左移位數(shù) 12+5=17位

private long datacenterIdShift = sequenceBits + workerIdBits;

//時間戳需要左移位數(shù) 12+5+5=22位

private long timestampLeftShift = sequenceBits + workerIdBits + datacenterIdBits;

//上次時間戳，初始值為負數(shù)

private long lastTimestamp = -1L;

private static SnowflakeIdWorker idWorker;

static {

idWorker = new SnowflakeIdWorker(getWorkId(),getDataCenterId());

}

/**

* 獲得下一個ID (該方法是線程安全的)

* @return SnowflakeId

*/

public synchronized long nextId() {

long timestamp = timeGen();

//獲取當(dāng)前時間戳如果小于上次時間戳，則表示時間戳獲取出現(xiàn)異常

if (timestamp < lastTimestamp) {

LOGGER.error("clock is moving backwards. Rejecting requests until : {}.", lastTimestamp);

throw new RuntimeException(String.format("Clock moved backwards. Refusing to generate id for %d milliseconds",

lastTimestamp - timestamp));

}

//獲取當(dāng)前時間戳如果等于上次時間戳(同一毫秒內(nèi))，則在序列號加一；否則序列號賦值為0，從0開始。

if (lastTimestamp == timestamp) {

sequence = (sequence + 1) & sequenceMask;

// 毫秒內(nèi)序列溢出

if (sequence == 0) {

timestamp = tilNextMillis(lastTimestamp);

}

} else {

sequence = 0;

}

//將上次時間戳值刷新

lastTimestamp = timestamp;

/**

* 返回結(jié)果：

* (timestamp - twepoch) << timestampLeftShift) 表示將時間戳減去初始時間戳，再左移相應(yīng)位數(shù)

* (datacenterId << datacenterIdShift) 表示將數(shù)據(jù)id左移相應(yīng)位數(shù)

* (workerId << workerIdShift) 表示將工作id左移相應(yīng)位數(shù)

* | 是按位或運算符，例如：x | y，只有當(dāng)x，y都為0的時候結(jié)果才為0，其它情況結(jié)果都為1。

* 因為各部分只有相應(yīng)位上的值有意義，其它位上都是0，所以將各部分的值進行 | 運算就能得到最終拼接好的id

*/

return ((timestamp - twepoch) << timestampLeftShift) |

(dataCenterId << datacenterIdShift) |

(workerId << workerIdShift) |

sequence;

}

/**

* 阻塞到下一個毫秒，直到獲得新的時間戳

* @param lastTimestamp 上次生成ID的時間截

* @return 當(dāng)前時間戳

*/

private long tilNextMillis(long lastTimestamp) {

long timestamp = timeGen();

while (timestamp <= lastTimestamp) {

timestamp = timeGen();

}

return timestamp;

}

/**

* 返回以毫秒為單位的當(dāng)前時間

* @return 當(dāng)前時間(毫秒)

*/

private long timeGen(){

return System.currentTimeMillis();

}

private static Long getWorkId(){

try {

String hostAddress = Inet4Address.getLocalHost().getHostAddress();

char[] chars = hostAddress.toCharArray();

int sums = 0;

for(int b : chars){

sums += b;

}

return (long)(sums % 32);

} catch (UnknownHostException e) {

// 如果獲取失敗，則使用隨機數(shù)備用

return RandomUtils.nextLong(0,31);

}

}

private static Long getDataCenterId(){

try {

char[] chars = Inet4Address.getLocalHost().getHostName().toCharArray();

int sums = 0;

for (int i: chars) {

sums += i;

}

return (long)(sums % 32);

} catch (UnknownHostException e) {

// 如果獲取失敗，則使用隨機數(shù)備用

return RandomUtils.nextLong(0,31);

}

}

/**

* 靜態(tài)工具類

*

* @return

*/

public static Long generateId(){

long id = idWorker.nextId();

return id;

}

/** 測試 */

public static void main(String[] args) {

System.out.println(System.currentTimeMillis());

long startTime = System.nanoTime();

for (int i = 0; i < 50000; i++) {

long id = SnowflakeIdWorker.generateId();

LOGGER.info("id = {}",id);

}

LOGGER.info((System.nanoTime()-startTime)/1000000+"ms");

}

}

擴展

---

在理解了這個算法之后，其實還有一些擴展的事情可以做：

理論上41位記錄時間戳可以表示69年，而時間戳是從1970年開始算，對于現(xiàn)在來說1970到2019這段時間內(nèi)的毫秒數(shù)已經(jīng)用不上了，因此可以設(shè)置一個初始時間參照點(一般設(shè)置為id生成器開始使用的時間)，計算時間戳差值(當(dāng)前時間截 - 開始時間截)。這樣就可以擴展時間戳使用的范圍。

解密id，由于id的每段都保存了特定的信息，所以拿到一個id，應(yīng)該可以嘗試反推出原始的每個段的信息。反推出的信息可以幫助我們分析。比如作為訂單，可以知道該訂單的生成日期，負責(zé)處理的數(shù)據(jù)中心等等。

完善算法中生成機器id的策略，進一步采用zk分發(fā)或redis自增等，實現(xiàn)完全無碰撞的id生成。

根據(jù)自己業(yè)務(wù)修改每個位段存儲的信息。算法是通用的，可以根據(jù)自己需求適當(dāng)調(diào)整每段的大小以及存儲的信息。

---

參考資料：

由于算法中大量采用了位運算，如果不太了解的朋友可以參考這篇解析

https://segmentfault.com/a/1190000011282426

推薦閱讀

• 為什么阿里巴巴規(guī)定禁止超過三張表join？

• 必知必會-存儲器層次結(jié)構(gòu)

• 每日一道算法題-leetcode189.旋轉(zhuǎn)數(shù)組

點個在看吧，證明你還愛我

總結(jié)

以上是生活随笔為你收集整理的java怎样生成32位全是整形的主键_你肯定会需要的分布式Id生成算法雪花算法（Java）...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。