Twitter的分布式自增ID算法snowflake - C#版

概述

分布式系统中，有一些需要使用全局唯一ID的场景，这种时候为了防止ID冲突可以使用36位的UUID，但是UUID有一些缺点，首先他相对比较长，另外UUID一般是无序的。有些时候我们希望能使用一种简单一些的ID，并且希望ID能够按照时间有序生成。而twitter的snowflake解决了这种需求，最初Twitter把存储系统从MySQL迁移到Cassandra，因为Cassandra没有顺序ID生成机制，所以开发了这样一套全局唯一ID生成服务。

该项目地址为：https://github.com/twitter/snowflake是用Scala实现的。

python版详见开源项目https://github.com/erans/pysnowflake。

结构

snowflake的结构如下(每部分用-分开):

0 - 0000000000 0000000000 0000000000 0000000000 0 - 00000 - 00000 - 000000000000

第一位为未使用，接下来的41位为毫秒级时间(41位的长度可以使用69年)，然后是5位datacenterId和5位workerId(10位的长度最多支持部署1024个节点） ，最后12位是毫秒内的计数（12位的计数顺序号支持每个节点每毫秒产生4096个ID序号）

一共加起来刚好64位，为一个Long型。(转换成字符串长度为18)

snowflake生成的ID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workerId作区分），并且效率较高。据说：snowflake每秒能够产生26万个ID。

源码(C#版本源码)

public class IdWorker

    {

        //机器ID

        private static long workerId;

        private static long twepoch = 687888001020L; //唯一时间，这是一个避免重复的随机量，自行设定不要大于当前时间戳

        private static long sequence = 0L;

        private static int workerIdBits = 4; //机器码字节数。4个字节用来保存机器码(定义为Long类型会出现，最大偏移64位，所以左移64位没有意义)

        public static long maxWorkerId = -1L ^ -1L << workerIdBits; //最大机器ID

        private static int sequenceBits = 10; //计数器字节数，10个字节用来保存计数码

        private static int workerIdShift = sequenceBits; //机器码数据左移位数，就是后面计数器占用的位数

        private static int timestampLeftShift = sequenceBits + workerIdBits; //时间戳左移动位数就是机器码和计数器总字节数

        public static long sequenceMask = -1L ^ -1L << sequenceBits; //一微秒内可以产生计数，如果达到该值则等到下一微妙在进行生成

        private long lastTimestamp = -1L;

        ///

        /// 机器码

        ///

        ///

        public IdWorker(long workerId)

        {

            if (workerId > maxWorkerId || workerId < 0)

                throw new Exception(string.Format("worker Id can't be greater than {0} or less than 0 ", workerId));

            IdWorker.workerId = workerId;

        }

        public long nextId()

        {

            lock (this)

            {

                long timestamp = timeGen();

                if (this.lastTimestamp == timestamp)

                { //同一微妙中生成ID

                    IdWorker.sequence = (IdWorker.sequence + 1) & IdWorker.sequenceMask; //用&运算计算该微秒内产生的计数是否已经到达上限

                    if (IdWorker.sequence == 0)

                    {

                        //一微妙内产生的ID计数已达上限，等待下一微妙

                        timestamp = tillNextMillis(this.lastTimestamp);

                    }

                }

                else

                { //不同微秒生成ID

                    IdWorker.sequence = 0; //计数清0

                }

                if (timestamp < lastTimestamp)

                { //如果当前时间戳比上一次生成ID时时间戳还小，抛出异常，因为不能保证现在生成的ID之前没有生成过

                    throw new Exception(string.Format("Clock moved backwards.  Refusing to generate id for {0} milliseconds",

                        this.lastTimestamp - timestamp));

                }

                this.lastTimestamp = timestamp; //把当前时间戳保存为最后生成ID的时间戳

                long nextId = (timestamp - twepoch << timestampLeftShift) | IdWorker.workerId << IdWorker.workerIdShift | IdWorker.sequence;

                return nextId;

            }

        }

        ///

        /// 获取下一微秒时间戳

        ///

        ///

        ///

        private long tillNextMillis(long lastTimestamp)

        {

            long timestamp = timeGen();

            while (timestamp <= lastTimestamp)

            {

                timestamp = timeGen();

            }

            return timestamp;

        }

        ///

        /// 生成当前时间戳

        ///

        ///

        private long timeGen()

        {

            return (long)(DateTime.UtcNow - new DateTime(1970, 1, 1, 0, 0, 0, DateTimeKind.Utc)).TotalMilliseconds;

        }

    }

调用方法：

IdWorker idworker = new IdWorker(1);

            for (int i = 0; i < 1000; i++)

            {

                Response.Write(idworker.nextId() + "
");

            }

代码下载地址：下载

snowflate算法说明

---------------------

作者：doubleicon

来源：CSDN

原文：https://blog.csdn.net/u011872945/article/details/54562213

版权声明：本文为博主原创文章，转载请附上博文链接！