分布式id生成算法SnowFlake
算法
符号位说明：
第一位为不能为负的符号位：0
时间戳说明：
41位记录时间戳timeMillis，即当前系统时间 - 默认固定时间的值
工作机器ID说明：
10位记录工作机器id；即datacenterId (5位数据id) + workerId (5位机器id)
datacenterId 与 workerId的最大值十进制值是31（不能为负数）
原因：5位数的最大二进制表示： 0001 1111 —> 十进制：31
序列号说明：
12位自增序列号sequence
Sequence的最大十进制值是4095（不能为负数）
原因：12位数的最大二进制表示：1111 1111 1111 —> 十进制：4095
二进制说明：
按位或，按位与，异或计算例子：
位移说明：
计算所需默认常量：
默认固定时间twepoch: 1288834974657（毫秒）（小于当前时间即可，不能出现负数）
时间戳偏移位数 timestampLeftShift：22（给5位机器id、5位数据id、12位序列号移除位置）
数据id偏移位数 datacenterIdShift：17（给5位数据id、12位序列号移除位置）
机器id偏移位数 workerIdShift：12（给12位序列号移除位置）
开始计算：
一，需要输入的条件（以这4个数据为例）：
- 当前时间 timwstamp：1563244877076（毫秒）
- 机器id workerId：6（本机ip）
- 数据id datacentId：20（当前进程Hashmap）
- 序列号sequence：0（自增序列号）
二，计算：
计算公式
步骤：
1．首先计算时间戳；即：timeMillis = timestamp(当前时间) – twepoch(固定时间)
timeMillis ： 1563244877076 – 1288834974657 = 274409902419
2．再先分别计算左位移结果
timeMillis << timestampLeftShift
转换： 274409902419 << 22
二进制： 0011111111100100000110101101000101010011 << 22
//位移前
0000 0000 0000 0000 0000 0000 0011 1111 1110 0100 0001 1010 1101 0001 0101 0011
//位移22位后的结果（标记：a）
0000 1111 1111 1001 0000 0110 1011 0100 0101 0100 1100 0000 0000 0000 0000 0000
datacenterId << datacenterIdShift
转换： 20 << 17
二进制：0001 0100 << 17
//位移前
0000 0000 0000 0000 0000 0000 0000 0000 0000 0000 0000 0000 0000 0000 0001 0100
//位移17位后的结果（标记：b）
0000 0000 0000 0000 0000 0000 0000 0000 0000 0000 0010 1000 0000 0000 0000 0000
workerId << workerIdShift
转换：6 << 12
二进制：0000 0110 << 12
//位移前
0000 0000 0000 0000 0000 0000 0000 0000 0000 0000 0000 0000 0000 0000 0000 0110
//位移12位后的结果（标记：c）
0000 0000 0000 0000 0000 0000 0000 0000 0000 0000 0000 0000 0110 0000 0000 0000
3．最后计算按位或的结果
计算公式带入值：
274409902419 << 22 |
20 << 17 |
6 << 12 |
0
||
|| 简化
\ || /
a | b | c | 0
||
|| 二进制表示
\ || /
| 41位 | 5 | 5 | 12位
0|000 1111 1111 1001 0000 0110 1011 0100 0101 0100 11|00 000|0 0000| 0000 0000 0000 | //a
0|000 0000 0000 0000 0000 0000 0000 0000 0000 0000 00|10 100|0 0000| 0000 0000 0000 | //b
0|000 0000 0000 0000 0000 0000 0000 0000 0000 0000 00|00 000|0 0110| 0000 0000 0000 | //c
0|000 0000 0000 0000 0000 0000 0000 0000 0000 0000 00|00 000|0 0000| 0000 0000 0000 | //0
0|000 1111 1111 1001 0000 0110 1011 0100 0101 0100 11|10 100|0 0110| 0000 0000 0000 //结果
最终结果：
二进制：0000 1111 1111 1001 0000 0110 1011 0100 0101 0100 1110 1000 0110 0000 0000 0000
十进制：1150958551358267392
代码
import java.lang.management.ManagementFactory;
import java.net.InetAddress;
import java.net.NetworkInterface;
/**
*
* 名称：IdWorker.java
*
*
* 描述：分布式自增长ID
*
*
*
* Twitter的 Snowflake JAVA实现方案
*
*
* 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位该毫秒内的当前毫秒内的计数，加起来刚好64位，为一个Long型。
* 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。
*
* 64位ID (42(毫秒)+5(机器ID)+5(业务编码)+12(重复累加))
*
* @author system
*/
public class IdWorker {
// 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 = 1288834974657L;
// 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 ^ (-1L << workerIdBits);
// 数据中心ID最大值
private final static long maxDatacenterId = -1L ^ (-1L << datacenterIdBits);
// 毫秒内自增位
private final static long sequenceBits = 12L;
// 机器ID偏左移12位
private final static long workerIdShift = sequenceBits;
// 数据中心ID左移17位
private final static long datacenterIdShift = sequenceBits + workerIdBits;
// 时间毫秒左移22位
private final static long timestampLeftShift = sequenceBits + workerIdBits
+ datacenterIdBits;
private final static long sequenceMask = -1L ^ (-1L << sequenceBits);
/* 上次生产id时间戳 */
private static long lastTimestamp = -1L;
// 0，并发控制
private long sequence = 0L;
private final long workerId;
// 数据标识id部分
private final long datacenterId;
public IdWorker() {
this.datacenterId = getDatacenterId(maxDatacenterId);
this.workerId = getMaxWorkerId(datacenterId, maxWorkerId);
}
/**
* @param workerId
* 工作机器ID
* @param datacenterId
* 序列号
*/
public IdWorker(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;
}
/**
* 获取下一个ID
*
* @return
*/
public synchronized long nextId() {
long timestamp = timeGen();
if (timestamp < lastTimestamp) {
throw new RuntimeException(
String.format(
"Clock moved backwards. Refusing to generate id for %d milliseconds",
lastTimestamp - timestamp));
}
if (lastTimestamp == timestamp) {
// 当前毫秒内，则+1
sequence = (sequence + 1) & sequenceMask;
if (sequence == 0) {
// 当前毫秒内计数满了，则等待下一秒
timestamp = tilNextMillis(lastTimestamp);
}
} else {
sequence = 0L;
}
lastTimestamp = timestamp;
System.out.println("timestamp:"+timestamp);
System.out.println("twepoch:"+twepoch);
System.out.println("workerId:"+workerId);
System.out.println("datacenterId:"+datacenterId);
System.out.println("sequence:"+sequence);
// ID偏移组合生成最终的ID，并返回ID
long nextId = ((timestamp - twepoch) << timestampLeftShift)
| (datacenterId << datacenterIdShift)
| (workerId << workerIdShift) | sequence;
return nextId;
}
private long tilNextMillis(final long lastTimestamp) {
long timestamp = this.timeGen();
while (timestamp <= lastTimestamp) {
timestamp = this.timeGen();
}
return timestamp;
}
private long timeGen() {
return System.currentTimeMillis();
}
/**
*
* 获取 maxWorkerId
*
*/
protected static long getMaxWorkerId(long datacenterId, long maxWorkerId) {
StringBuffer mpid = new StringBuffer();
mpid.append(datacenterId);
String name = ManagementFactory.getRuntimeMXBean().getName();
if (!name.isEmpty()) {
/*
* GET jvmPid
*/
mpid.append(name.split("@")[0]);
}
/*
* MAC + PID 的 hashcode 获取16个低位
*/
return (mpid.toString().hashCode() & 0xffff) % (maxWorkerId + 1);
}
/**
*
* 数据标识id部分
*
*/
protected static long getDatacenterId(long maxDatacenterId) {
long id = 0L;
try {
InetAddress ip = InetAddress.getLocalHost();
NetworkInterface network = NetworkInterface.getByInetAddress(ip);
if (network == null) {
id = 1L;
} else {
byte[] mac = network.getHardwareAddress();
id = ((0x000000FF & (long) mac[mac.length - 1]) | (0x0000FF00 & (((long) mac[mac.length - 2]) << 8))) >> 6;
id = id % (maxDatacenterId + 1);
}
} catch (Exception e) {
System.out.println(" getDatacenterId: " + e.getMessage());
}
return id;
}
public static void main(String[] args) {
IdWorker id = new IdWorker(13, 30);
System.out.println(id.nextId());
}
}
相关链接：
分布式系统中ID的需求：
https://www.bilibili.com/read/cv2616638?share_medium=android&share_source=weixin&bbid=1F1A490E-25F1-44E9-837B-0A513F26BEE2149038infoc&ts=1562006642647
理解分布式id生成算法SnowFlake：
https://segmentfault.com/a/1190000011282426?utm_source=tag-newest
详解Twitter开源分布式自增ID算法snowflake：
https://blog.csdn.net/li396864285/article/details/54668031