结合Redis在Spring架构体系中使用雪花算法

---

前言

分布式ID生成策略有多种，各有利弊。这里记录下在工作中我结合Redis在Spring架构体系中使用雪花算法生成分布式ID的方式。

---

一、代码部分

import lombok.extern.slf4j.Slf4j;
import org.springframework.data.redis.core.StringRedisTemplate;
import org.springframework.stereotype.Service;

import javax.annotation.PostConstruct;
import javax.annotation.Resource;
import java.net.InetAddress;
import java.net.UnknownHostException;

/**
 * @author sungm
 * @since 2021-11-06 21:16
 */
@Slf4j
@Service
public class SnowflakeManager {
     

    /** 开始时间戳: 2020-01-01 00:00:00 */
    private static final Long START_TIMESTAMP = 1577808000000L;
    /** 12位最大序号: 2^12 - 1 */
    private static final Long MAX_SEQ = ~(-1L << 12);
    /** 10位最大机器码： 2^10 -1 */
    private static final Long MAX_MACHINE = ~(-1L << 10);

    /** 当前机器码 */
    private Long machine;
    /** 最后生成的序号 */
    private Long lastSeq = 0L;
    /** 最后一个序号生成的时间 */
    private Long lastSqlTimestamp = 0L;

    @Resource
    private StringRedisTemplate stringRedisTemplate;

    /** 定义雪花算法的 Key，把机器码存到Redis中 */
    private static final String RECORD_SNOWFLAKE_MACHINE_SEQ_REDIS_KEY = "RECORD_SNOWFLAKE_MACHINE_SEQ";
    private static final String RECORD_SNOWFLAKE_MACHINE_MAP_REDIS_KEY = "RECORD_SNOWFLAKE_MACHINE_MAP";

    @PostConstruct
    public void init() throws UnknownHostException {
     
        //获取当前机器的IP地址
        final String hostAddress = InetAddress.getLocalHost().getHostAddress();
        //初始化Redis缓存
        stringRedisTemplate.opsForValue().setIfAbsent(RECORD_SNOWFLAKE_MACHINE_SEQ_REDIS_KEY, "0");
        stringRedisTemplate.opsForHash().putIfAbsent(RECORD_SNOWFLAKE_MACHINE_MAP_REDIS_KEY, "default", "0");
        //不包含当前主机IP地址时，设置递增的值
        if (!stringRedisTemplate.opsForHash().keys(RECORD_SNOWFLAKE_MACHINE_MAP_REDIS_KEY).contains(hostAddress)) {
     
            stringRedisTemplate.opsForHash().put(RECORD_SNOWFLAKE_MACHINE_MAP_REDIS_KEY, hostAddress
                    , stringRedisTemplate.opsForValue().increment(RECORD_SNOWFLAKE_MACHINE_SEQ_REDIS_KEY, 1L).toString());
        }
        //获取当前主机对应的编码
        machine = Long.parseLong((String) stringRedisTemplate.opsForHash().get(RECORD_SNOWFLAKE_MACHINE_MAP_REDIS_KEY, hostAddress));
        log.info("主机：{}，机器码：{}", hostAddress, machine);
        //做个校验
        if (machine > MAX_MACHINE) {
     
            throw new RuntimeException("机器码已达到最大值" + MAX_MACHINE + ", 请排查无效数据！");
        }
    }

    public synchronized Long nextId() {
     
        //获取当前时间
        Long now = System.currentTimeMillis();
        if (lastSqlTimestamp.equals(now) && ++lastSeq > MAX_SEQ) {
     
            throw new RuntimeException("同一毫秒内生成的序号达到" + MAX_SEQ + ", 请注意并发量！");
        }
        if (!lastSqlTimestamp.equals(now)) {
     
            lastSeq = 0L;
        }
        lastSqlTimestamp = now;
        /* 0 - 41位时间戳 - 10位机器码 - 12位序列*/
        return ((now - START_TIMESTAMP) << 22) | machine << 12 | lastSeq;
    }

}

说明：同一应用多个实例部署在不同宿主机上面，利用了宿主机的IP地址不重复的特性，结合Redis单线程的特点来给不同的应用实例生成不同的机器码。如果可以指定每个实例都机器码，则可以简化这一操作，直接通过application.yml配置给不同的应用实例指定机器码即可。

---

二、雪花算法

这里不讲雪花算法的原理了，相信大家随意百度一下就能知道原理、其核心算法是左移。