引言
雪花算法是Twitter提出的用以解决分布式ID的一种解决办法，详细的介绍网上有很多，本文在这里就不重复了。
本文参考了两个网址进行实现：
- [1] 煲煲菜 理解分布式id生成算法SnowFlake 2017-09-20
- [2] souyunku Twitter的分布式自增ID雪花算法snowflake (Java版) 2018-05-13
问题
这里主要有两个问题思考：
1.为什么要分为几个部分，41bit,10bit,12bit？
2.这样的算法实现在多线程情况下真的能确保ID的唯一性吗？
针对问题一
这个问题的本质其实是，该算法的创始人是如何想到该方法的，为什么要这么划分。我试着来回答一下，首先ID是要正数，所以第一位不能用。然后我们要快捷，不用数据库，所以我们只能用移位的形式实现。那我们的服务器一般是64位的，这是重点，64位！。所以我们要合理规划出来一部分数据要能表示使用的年限（41位），一部分要表现我的机房和我机房里面的机器（各5位），剩下的12位表示一毫秒里面的数据，可以保证4k左右的数据不重复。至于确切的计算过程，可以参考文献一。
另外为了保证每次只获取一个新的，所以肯定得在获取下一个ID的时候加上锁synchronized。
针对问题二
我们不妨来验证一下，思路是启动10个线程，每个线程执行1000次的获取ID，收集下每次获取的ID，看是否有重复。我们将分为两种情况：
-
在循环外部生成对象，即单实例下生成ID
单个对象的情况 - 在循环内部生成对象，即多实例下生成ID
多对象情况
根据程序运行的结果，我们可以发现用别人的代码其实存在风险。如果一个项目里面，多处地方new SnowFlake对象很多可能会导致ID不唯一！！
所以为了避免一个项目下由调用处创建SnowFlake对象导致的ID重复问题，建议在工具类中就进行对象初始化（可以使用单例模式）
本文只是简单的私有化构造函数，并利用static的特性初始化
private static SnowFlakeUtil snowFlakeUtil = new SnowFlakeUtil(0, 0);
private SnowFlakeUtil(long datacenterId, long machineId) {
if (datacenterId > MAX_DATACENTER_NUM || datacenterId < 0) {
throw new IllegalArgumentException("datacenterId can't be greater than MAX_DATACENTER_NUM or less than 0");
}
if (machineId > MAX_MACHINE_NUM || machineId < 0) {
throw new IllegalArgumentException("machineId can't be greater than MAX_MACHINE_NUM or less than 0");
}
this.datacenterId = datacenterId;
this.machineId = machineId;
}
在具体使用的时候不同的项目里面配置不同的机房ID和机器ID即可。
附录
通篇代码：
public class SnowFlakeUtil {
/**
* 起始的时间戳
* 2020-06-10 09:43:xx
*/
private final long START_STMP = 1591753401773L;
/**
* 每一部分占用的位数
*/
private final long SEQUENCE_BIT = 12; //序列号占用的位数
private final long MACHINE_BIT = 5; //机器标识占用的位数
private final long DATACENTER_BIT = 5;//数据中心占用的位数
/**
* 每一部分的最大值
*/
private final long MAX_DATACENTER_NUM = -1L ^ (-1L << DATACENTER_BIT);
private final long MAX_MACHINE_NUM = -1L ^ (-1L << MACHINE_BIT);
private final long MAX_SEQUENCE = -1L ^ (-1L << SEQUENCE_BIT);
/**
* 每一部分向左的位移
*/
private final long MACHINE_LEFT = SEQUENCE_BIT;
private final long DATACENTER_LEFT = SEQUENCE_BIT + MACHINE_BIT;
private final long TIMESTMP_LEFT = DATACENTER_LEFT + DATACENTER_BIT;
/**
* 数据中心
*/
private long datacenterId;
/**
* 机器标识
*/
private long machineId;
/**
* 序列号
*/
private long sequence = 0L;
/**
* 上一次时间戳
*/
private long lastStmp = -1L;
private static SnowFlakeUtil snowFlakeUtil = new SnowFlakeUtil(0, 0);
private SnowFlakeUtil(long datacenterId, long machineId) {
if (datacenterId > MAX_DATACENTER_NUM || datacenterId < 0) {
throw new IllegalArgumentException("datacenterId can't be greater than MAX_DATACENTER_NUM or less than 0");
}
if (machineId > MAX_MACHINE_NUM || machineId < 0) {
throw new IllegalArgumentException("machineId can't be greater than MAX_MACHINE_NUM or less than 0");
}
this.datacenterId = datacenterId;
this.machineId = machineId;
}
/**
* 产生下一个ID
*
* @return
*/
private synchronized long nextId() {
long currStmp = getNewstmp();
if (currStmp < lastStmp) {
throw new RuntimeException("Clock moved backwards. Refusing to generate id");
}
if (currStmp == lastStmp) {
//相同毫秒内，序列号自增
sequence = (sequence + 1) & MAX_SEQUENCE;
//同一毫秒的序列数已经达到最大
if (sequence == 0L) {
currStmp = getNextMill();
}
} else {
//不同毫秒内，序列号置为0
sequence = 0L;
}
lastStmp = currStmp;
return (currStmp - START_STMP) << TIMESTMP_LEFT //时间戳部分
| datacenterId << DATACENTER_LEFT //数据中心部分
| machineId << MACHINE_LEFT //机器标识部分
| sequence; //序列号部分
}
private long getNextMill() {
long mill = getNewstmp();
while (mill <= lastStmp) {
mill = getNewstmp();
}
return mill;
}
private long getNewstmp() {
return System.currentTimeMillis();
}
public static Long generateId() {
return snowFlakeUtil.nextId();
}
public static void main(String[] args) {
Set keys = new HashSet();
// SnowFlakeUtil ss = new SnowFlakeUtil(2, 3);
for (int i = 0; i < 10; i++) {
new Thread(i + "S") {
@Override
public void run() {
// SnowFlakeUtil ss = new SnowFlakeUtil(2, 3);
for (int j = 0; j < 1000; j++) {
Long k = SnowFlakeUtil.generateId();
if (!keys.contains(k)) {
keys.add(k);
} else {
System.out.println("重复:" + k);
}
}
}
}.start();
}
}
}