【Spring Cloud系列】 雪花算法原理及实现
【Spring Cloud系列】 雪花算法原理及实现
文章目录
- 【Spring Cloud系列】 雪花算法原理及实现
-
- 一、概述
- 二、生成ID规则部分硬性要求
- 三、ID号生成系统可用性要求
- 四、解决分布式ID通用方案
-
- 4.1 UUID
- 4.2 数据库自增主键
- 4.3 基于Redis生成全局id策略
- 五、SnowFlake（雪花算法）
-
- 5.1 SnowFlake特点
- 5.2 SnowFlake结构
- 5.3 雪花算法原理
- 5.4 算法实现
- 5.4 雪花算法优点
- 5.5 雪花算法缺点：
- 六、总结
一、概述
分布式高并发的环境下，常见的就是12306节日订票，在大量用户同是抢购一个方向的票，毫秒级的时间下可能生成数万个订单，此时为确保生成订单ID的唯一性变得至关重要。此时秒杀环境下，不仅要保障ID唯一性，还得确保ID生成的优先度。
二、生成ID规则部分硬性要求
- 全局唯一：不能出现重复的ID号，既然是唯一标识，这是最基本的要求。
- 趋势递增：在MySQL的InnoDB引擎中适用的是聚集索引，由于多数RDBMS使用B+Tree的数据结构来存储索引数据，在主键的选择上我们尽量使用有序的主键保证写入性能。
- 单调递增：保证下一个ID一定大于上一个ID，如事务版本号、排序等特殊需求。
- 信息安全：如果ID是连续的，恶意用户的抓取工作就非常容易，直接按照顺序下载指定URL即可；如果是订单号就危险。
- 含有时间戳：生成的ID包含完整的时间戳信息。
三、ID号生成系统可用性要求
- 高可用：发一个获取分布式ID的请求，服务器就是保证99.9999%的情况下给我创建一个唯一分布式ID。
- 低延迟：发一个获取分布式ID的请求，服务器要快，极速。
- 高QPS：如果一次请求10万个分布式ID，服务器要顶住并成功创建10万个分布式ID。
四、解决分布式ID通用方案
4.1 UUID
UUID（Universally Unique Identifier）的标准型式包含32个16进制数字，以连字号分为五段，形式为：8-4-4-4-12的36个字符，示例：1E785B2B-111C-752A-997B-3346E7495CE2；UUID性能非常高，不依赖网络，本地生成。
UUID缺点：
-
无序，无法预测它的生成顺序，不能生成递增有序的数字。在MySql官方推荐主键约短越好，UUID是一个32位的字符串，所以不推荐使用。
-
索引，B+Tree索引的分裂
分布式Id是主键，主键是聚簇索引。Mysql的索引是B+Tree来实现的，每次新的UUID数据的插入，为了新的UUID数据的插入，为了查询的优化，都会对索引底部的B+Tree进行修改；因为UUID数据是无序的，所以每一次UUID数据的插入都会对主键的聚簇索引做很大的修改，在做数据Insert时，会插入主键是无序的，会导致一些中间节点的产生分裂，会导致大量不饱和的节点。这样大大降低了数据库插入的性能。
4.2 数据库自增主键
单机
在分布式里面，数据库的自增ID机制的主要原理是：数据库自增ID和MySql数据库的replace into实现的。
Replace into的含义是插入一条纪录，如果表中唯一索引的值遇到冲突，则替换老数据。
在单体应用的时候，自增长ID使用，但是在集群分布式应用中单体应用就不适合。
- 系统水平扩展比较困难，比如定义好了增长步长和机器台数之后，在大量添加服务器时，需要重新设置初始值，这样可操作性差，所以系统水平扩展方案复杂度高难以实现。
- 数据库压力大，每次获取ID都需要读写一次数据库，非常影响性能，不符合分布式ID里面的延迟低和要高QPS的规则（在高并发下，如果都去数据库里面获取Id，非常影响性能的。）
4.3 基于Redis生成全局id策略
在Redis集群情况下，同样和MySql一样需要设置不同的增长步长，同时key一定要设置有效期。可以使用Redis集群来获取更高的吞吐量。
五、SnowFlake（雪花算法）
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(由Facebook开发一套开源分布式NoSQL数据库系统) 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。SnowFlake每秒能产生26万个自增可排序的ID。
5.1 SnowFlake特点
- Twitter的SnowFlake生成ID能够按照时间有序生成。
- SnowFlake算法生成Id的结果是一个64bit大小的整数，为一个Long型（转换成字符串后长度最多19）。
- 分布式系统内不会产生ID碰撞（由datacenter和workerid作为区分）并且效率较高。
5.2 SnowFlake结构
5.3 雪花算法原理
雪花算法的原理就是生成一个的64位比特位的long类型的唯一id
- 最高1位固定值0，因为生成的id是正整数，如果是1就是负值。
- 紧接着是41位存储毫秒级时间戳，2^41/(1000 * 60 * 24 * 365) = 69 ，大概可以使用69年。
- 接下来10位存储机器码，包括5位DataCenterId和5位WorkerId,最多可以部署2^10=1024台机器。
- 最后12位存储序列号，同一毫秒时间戳时，通过这个递增的序列号来区分，即对于同一台机器而言，同一毫秒级时间戳下，可以生成2^12=4096个不重复id。
可以将雪花算法作为一个单独的服务进行部署，然后需要全局唯一id的系统，请求雪花算法服务获取id即可。
对于每一个雪花算法服务，需要先指定10位的机器码，这个根据自身业务进行设定即可。例如机房号+机器号，机器号+服务号，或者时其他区别标识的10位比特位的整数都行。
5.4 算法实现
package com.goyeer;
import java.util.Date;
/**
* @ClassName: SnowFlakeUtil
* @Author: goyeer
* @Date: 2023/09/09 19:34
* @Description:
*/
public class SnowFlakeUtil {
private static SnowFlakeUtil snowFlakeUtil;
static {
snowFlakeUtil = new SnowFlakeUtil();
}
// 初始时间戳(纪年)，可用雪花算法服务上线时间戳的值
//
private static final long INIT_EPOCH = 1694263918335L;
// 时间位取&
private static final long TIME_BIT = 0b1111111111111111111111111111111111111111110000000000000000000000L;
// 记录最后使用的毫秒时间戳，主要用于判断是否同一毫秒，以及用于服务器时钟回拨判断
private long lastTimeMillis = -1L;
// dataCenterId占用的位数
private static final long DATA_CENTER_ID_BITS = 5L;
// dataCenterId占用5个比特位，最大值31
// 0000000000000000000000000000000000000000000000000000000000011111
private static final long MAX_DATA_CENTER_ID = ~(-1L << DATA_CENTER_ID_BITS);
// dataCenterId
private long dataCenterId;
// workId占用的位数
private static final long WORKER_ID_BITS = 5L;
// workId占用5个比特位，最大值31
// 0000000000000000000000000000000000000000000000000000000000011111
private static final long MAX_WORKER_ID = ~(-1L << WORKER_ID_BITS);
// workId
private long workerId;
// 最后12位，代表每毫秒内可产生最大序列号，即 2^12 - 1 = 4095
private static final long SEQUENCE_BITS = 12L;
// 掩码（最低12位为1，高位都为0），主要用于与自增后的序列号进行位与，如果值为0，则代表自增后的序列号超过了4095
// 0000000000000000000000000000000000000000000000000000111111111111
private static final long SEQUENCE_MASK = ~(-1L << SEQUENCE_BITS);
// 同一毫秒内的最新序号，最大值可为 2^12 - 1 = 4095
private long sequence;
// workId位需要左移的位数 12
private static final long WORK_ID_SHIFT = SEQUENCE_BITS;
// dataCenterId位需要左移的位数 12+5
private static final long DATA_CENTER_ID_SHIFT = SEQUENCE_BITS + WORKER_ID_BITS;
// 时间戳需要左移的位数 12+5+5
private static final long TIMESTAMP_SHIFT = SEQUENCE_BITS + WORKER_ID_BITS + DATA_CENTER_ID_BITS;
/**
* 无参构造
*/
public SnowFlakeUtil() {
this(1, 1);
}
/**
* 有参构造
* @param dataCenterId
* @param workerId
*/
public SnowFlakeUtil(long dataCenterId, long workerId) {
// 检查dataCenterId的合法值
if (dataCenterId < 0 || dataCenterId > MAX_DATA_CENTER_ID) {
throw new IllegalArgumentException(
String.format("dataCenterId 值必须大于 0 并且小于 %d", MAX_DATA_CENTER_ID));
}
// 检查workId的合法值
if (workerId < 0 || workerId > MAX_WORKER_ID) {
throw new IllegalArgumentException(String.format("workId 值必须大于 0 并且小于 %d", MAX_WORKER_ID));
}
this.workerId = workerId;
this.dataCenterId = dataCenterId;
}
/**
* 获取唯一ID
* @return
*/
public static Long getSnowFlakeId() {
return snowFlakeUtil.nextId();
}
/**
* 通过雪花算法生成下一个id，注意这里使用synchronized同步
* @return 唯一id
*/
public synchronized long nextId() {
long currentTimeMillis = System.currentTimeMillis();
System.out.println(currentTimeMillis);
// 当前时间小于上一次生成id使用的时间，可能出现服务器时钟回拨问题
if (currentTimeMillis < lastTimeMillis) {
throw new RuntimeException(
String.format("可能出现服务器时钟回拨问题，请检查服务器时间。当前服务器时间戳：%d，上一次使用时间戳：%d", currentTimeMillis,
lastTimeMillis));
}
if (currentTimeMillis == lastTimeMillis) {
// 还是在同一毫秒内，则将序列号递增1，序列号最大值为4095
// 序列号的最大值是4095，使用掩码（最低12位为1，高位都为0）进行位与运行后如果值为0，则自增后的序列号超过了4095
// 那么就使用新的时间戳
sequence = (sequence + 1) & SEQUENCE_MASK;
if (sequence == 0) {
currentTimeMillis = getNextMillis(lastTimeMillis);
}
} else { // 不在同一毫秒内，则序列号重新从0开始，序列号最大值为4095
sequence = 0;
}
// 记录最后一次使用的毫秒时间戳
lastTimeMillis = currentTimeMillis;
// 核心算法，将不同部分的数值移动到指定的位置，然后进行或运行
// <<：左移运算符, 1 << 2 即将二进制的 1 扩大 2^2 倍
// |：位或运算符, 是把某两个数中, 只要其中一个的某一位为1, 则结果的该位就为1
// 优先级：<< > |
return
// 时间戳部分
((currentTimeMillis - INIT_EPOCH) << TIMESTAMP_SHIFT)
// 数据中心部分
| (dataCenterId << DATA_CENTER_ID_SHIFT)
// 机器表示部分
| (workerId << WORK_ID_SHIFT)
// 序列号部分
| sequence;
}
/**
* 获取指定时间戳的接下来的时间戳，也可以说是下一毫秒
* @param lastTimeMillis 指定毫秒时间戳
* @return 时间戳
*/
private long getNextMillis(long lastTimeMillis) {
long currentTimeMillis = System.currentTimeMillis();
while (currentTimeMillis <= lastTimeMillis) {
currentTimeMillis = System.currentTimeMillis();
}
return currentTimeMillis;
}
/**
* 获取随机字符串,length=13
* @return
*/
public static String getRandomStr() {
return Long.toString(getSnowFlakeId());
}
/**
* 从ID中获取时间
* @param id 由此类生成的ID
* @return
*/
public static Date getTimeBySnowFlakeId(long id) {
return new Date(((TIME_BIT & id) >> 22) + INIT_EPOCH);
}
public static void main(String[] args) {
SnowFlakeUtil snowFlakeUtil = new SnowFlakeUtil();
long id = snowFlakeUtil.nextId();
System.out.println(id);
Date date = SnowFlakeUtil.getTimeBySnowFlakeId(id);
System.out.println(date);
long time = date.getTime();
System.out.println(time);
System.out.println(getRandomStr());
}
}
5.4 雪花算法优点
- 高并发分布式环境下生成不重复 id，每秒可生成百万个不重复 id。
- 基于时间戳，以及同一时间戳下序列号自增，基本保证 id 有序递增。
- 不依赖第三方库或者中间件。
- 算法简单，在内存中进行，效率高。
5.5 雪花算法缺点：
- 依赖服务器时间，服务器时钟回拨时可能会生成重复 id。算法中可通过记录最后一个生成 id 时的时间戳来解决，每次生成 id 之前比较当前服务器时钟是否被回拨，避免生成重复 id。
六、总结
其实雪花算法每一部分占用的比特位数量并不是固定死的。例如你的业务可能达不到 69 年之久，那么可用减少时间戳占用的位数，雪花算法服务需要部署的节点超过1024 台，那么可将减少的位数补充给机器码用。
注意，雪花算法中 41 位比特位不是直接用来存储当前服务器毫秒时间戳的，而是需要当前服务器时间戳减去某一个初始时间戳值，一般可以使用服务上线时间作为初始时间戳值。
对于机器码，可根据自身情况做调整，例如机房号，服务器号，业务号，机器 IP 等都是可使用的。对于部署的不同雪花算法服务中，最后计算出来的机器码能区分开来即可。