自拍偷在线精品自拍偷,亚洲欧美中文日韩v在线观看不卡

雪花算法詳解與Java實現(xiàn):分布式唯一ID生成原理

開發(fā) 前端
實際中我們的機房并沒有那么多,我們可以改進改算法,將 10bit 的機器 ID 優(yōu)化,成業(yè)務(wù)表或者和我們系統(tǒng)相關(guān)的業(yè)務(wù)。

SnowFlake 算法,是 Twitter 開源的分布式 ID 生成算法。

其核心思想就是:使用一個 64 bit 的 long 型的數(shù)字作為全局唯一 ID。在分布式系統(tǒng)中的應(yīng)用十分廣泛,且 ID 引入了時間戳,基本上保持自增的,后面的代碼中有詳細的注解。

這 64 個 bit 中,其中 1 個 bit 是不用的,然后用其中的 41 bit 作為毫秒數(shù),用 10 bit 作為工作機器 ID,12 bit 作為序列號。

圖片圖片

給大家舉個例子吧,比如下面那個 64 bit 的 long 型數(shù)字:

  • 第一個部分是 1 個 bit:0,這個是無意義的。
  • 第二個部分是 41 個 bit:表示的是時間戳。
  • 第三個部分是 5 個 bit:表示的是機房 ID,10001。
  • 第四個部分是 5 個 bit:表示的是機器 ID,1 1001。
  • 第五個部分是 12 個 bit:表示的序號,就是某個機房某臺機器上這一毫秒內(nèi)同時生成的 id 的序號,0000 00000000。

1 bit:是不用的,為啥呢?

因為二進制里第一個 bit 為如果是 1,那么都是負數(shù),但是我們生成的 ID 都是正數(shù),所以第一個 bit 統(tǒng)一都是 0。

41 bit:表示的是時間戳,單位是毫秒。

41 bit 可以表示的數(shù)字多達 2^41 - 1,也就是可以表示 2 ^ 41 - 1 個毫秒值,換算成年就是表示 69 年的時間。

10 bit:記錄工作機器 ID。

代表的是這個服務(wù)最多可以部署在 2^10 臺機器上,也就是 1024 臺機器。

但是 10 bit 里 5 個 bit 代表機房 ID,5 個 bit 代表機器 ID。意思就是最多代表 2 ^ 5 個機房(32 個機房),每個機房里可以代表 2 ^ 5 個機器(32 臺機器),也可以根據(jù)自己公司的實際情況確定。

12 bit:這個是用來記錄同一個毫秒內(nèi)產(chǎn)生的不同 ID。

12 bit 可以代表的最大正整數(shù)是 2 ^ 12 - 1 = 4096,也就是說可以用這個 12 bit 代表的數(shù)字來區(qū)分同一個毫秒內(nèi)的 4096 個不同的 ID。

簡單來說,你的某個服務(wù)假設(shè)要生成一個全局唯一 ID,那么就可以發(fā)送一個請求給部署了 SnowFlake 算法的系統(tǒng),由這個 SnowFlake 算法系統(tǒng)來生成唯一 ID。

這個 SnowFlake 算法系統(tǒng)首先肯定是知道自己所在的機房和機器的,比如機房 ID = 17,機器 ID = 12。

接著 SnowFlake 算法系統(tǒng)接收到這個請求之后,首先就會用二進制位運算的方式生成一個 64 bit 的 long 型 ID,64 個 bit 中的第一個 bit 是無意義的。

接著 41 個 bit,就可以用當前時間戳(單位到毫秒),然后接著 5 個 bit 設(shè)置上這個機房 ID,還有 5 個 bit 設(shè)置上機器 ID。

最后再判斷一下,當前這臺機房的這臺機器上這一毫秒內(nèi),這是第幾個請求,給這次生成 ID 的請求累加一個序號,作為最后的 12 個 bit。

最終一個 64 個 bit 的 ID 就出來了,類似于:

圖片圖片

這個算法可以保證,一個機房的一臺機器上,在同一毫秒內(nèi)生成了一個唯一的 ID??赡芤粋€毫秒內(nèi)會生成多個 ID,但是有最后 12 個 bit 的序號來區(qū)分開來。

下面我們簡單看看這個 SnowFlake 算法的一個代碼實現(xiàn),這就是個示例,大家如果理解了這個意思之后,以后可以自己嘗試改造這個算法。

總之就是用一個 64 bit 的數(shù)字中各個 bit 位來設(shè)置不同的標志位,區(qū)分每一個 ID。

SnowFlake 算法的實現(xiàn)代碼如下:

public class IdWorker {
 
 //因為二進制里第一個 bit 為如果是 1,那么都是負數(shù),但是我們生成的 id 都是正數(shù),所以第一個 bit 統(tǒng)一都是 0。
 
 //機器ID  2進制5位  32位減掉1位 31個
 private long workerId;
 //機房ID 2進制5位  32位減掉1位 31個
 private long datacenterId;
 //代表一毫秒內(nèi)生成的多個id的最新序號  12位 4096 -1 = 4095 個
 private long sequence;
 //設(shè)置一個時間初始值    2^41 - 1   差不多可以用69年
 private long twepoch = 1585644268888L;
 //5位的機器id
 private long workerIdBits = 5L;
 //5位的機房id
 private long datacenterIdBits = 5L;
 //每毫秒內(nèi)產(chǎn)生的id數(shù) 2 的 12次方
 private long sequenceBits = 12L;
 // 這個是二進制運算,就是5 bit最多只能有31個數(shù)字,也就是說機器id最多只能是32以內(nèi)
 private long maxWorkerId = -1L ^ (-1L << workerIdBits);
 // 這個是一個意思,就是5 bit最多只能有31個數(shù)字,機房id最多只能是32以內(nèi)
 private long maxDatacenterId = -1L ^ (-1L << datacenterIdBits);
 
 private long workerIdShift = sequenceBits;
 private long datacenterIdShift = sequenceBits + workerIdBits;
 private long timestampLeftShift = sequenceBits + workerIdBits + datacenterIdBits;
 private long sequenceMask = -1L ^ (-1L << sequenceBits);
 //記錄產(chǎn)生時間毫秒數(shù),判斷是否是同1毫秒
 private long lastTimestamp = -1L;
 public long getWorkerId(){
  return workerId;
 }
 public long getDatacenterId() {
  return datacenterId;
 }
 public long getTimestamp() {
  return System.currentTimeMillis();
 }
 
 
 
 public IdWorker(long workerId, long datacenterId, long sequence) {
 
  // 檢查機房id和機器id是否超過31 不能小于0
  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;
  this.sequence = sequence;
 }
 
 // 這個是核心方法,通過調(diào)用nextId()方法,讓當前這臺機器上的snowflake算法程序生成一個全局唯一的id
 public synchronized long nextId() {
  // 這兒就是獲取當前時間戳,單位是毫秒
  long timestamp = timeGen();
  if (timestamp < lastTimestamp) {
 
   System.err.printf(
     "clock is moving backwards. Rejecting requests until %d.", lastTimestamp);
   throw new RuntimeException(
     String.format("Clock moved backwards. Refusing to generate id for %d milliseconds",
       lastTimestamp - timestamp));
  }
 
  // 下面是說假設(shè)在同一個毫秒內(nèi),又發(fā)送了一個請求生成一個id
  // 這個時候就得把seqence序號給遞增1,最多就是4096
  if (lastTimestamp == timestamp) {
 
   // 這個意思是說一個毫秒內(nèi)最多只能有4096個數(shù)字,無論你傳遞多少進來,
   //這個位運算保證始終就是在4096這個范圍內(nèi),避免你自己傳遞個sequence超過了4096這個范圍
   sequence = (sequence + 1) & sequenceMask;
   //當某一毫秒的時間,產(chǎn)生的id數(shù) 超過4095,系統(tǒng)會進入等待,直到下一毫秒,系統(tǒng)繼續(xù)產(chǎn)生ID
   if (sequence == 0) {
    timestamp = tilNextMillis(lastTimestamp);
   }
 
  } else {
   sequence = 0;
  }
  // 這兒記錄一下最近一次生成id的時間戳,單位是毫秒
  lastTimestamp = timestamp;
  // 這兒就是最核心的二進制位運算操作,生成一個64bit的id
  // 先將當前時間戳左移,放到41 bit那兒;將機房id左移放到5 bit那兒;將機器id左移放到5 bit那兒;將序號放最后12 bit
  // 最后拼接起來成一個64 bit的二進制數(shù)字,轉(zhuǎn)換成10進制就是個long型
  return ((timestamp - twepoch) << timestampLeftShift) |
    (datacenterId << datacenterIdShift) |
    (workerId << workerIdShift) | sequence;
 }
 
 /**
  * 當某一毫秒的時間,產(chǎn)生的id數(shù) 超過4095,系統(tǒng)會進入等待,直到下一毫秒,系統(tǒng)繼續(xù)產(chǎn)生ID
  * @param lastTimestamp
  * @return
  */
 private long tilNextMillis(long lastTimestamp) {
 
  long timestamp = timeGen();
 
  while (timestamp <= lastTimestamp) {
   timestamp = timeGen();
  }
  return timestamp;
 }
 //獲取當前時間戳
 private long timeGen(){
  return System.currentTimeMillis();
 }
 
 /**
  *  main 測試類
  * @param args
  */
 public static void main(String[] args) {
  System.out.println(1&4596);
  System.out.println(2&4596);
  System.out.println(6&4596);
  System.out.println(6&4596);
  System.out.println(6&4596);
  System.out.println(6&4596);
//  IdWorker worker = new IdWorker(1,1,1);
//  for (int i = 0; i < 22; i++) {
//   System.out.println(worker.nextId());
//  }
 }
}

SnowFlake 算法的優(yōu)點:

  1. 高性能高可用:生成時不依賴于數(shù)據(jù)庫,完全在內(nèi)存中生成。
  2. 容量大:每秒鐘能生成數(shù)百萬的自增 ID。
  3. ID 自增:存入數(shù)據(jù)庫中,索引效率高。

SnowFlake 算法的缺點:

依賴與系統(tǒng)時間的一致性,如果系統(tǒng)時間被回調(diào),或者改變,可能會造成 ID 沖突或者重復(fù)。

實際中我們的機房并沒有那么多,我們可以改進改算法,將 10bit 的機器 ID 優(yōu)化,成業(yè)務(wù)表或者和我們系統(tǒng)相關(guān)的業(yè)務(wù)。

責(zé)任編輯:武曉燕 來源: 一安未來
相關(guān)推薦

2022-02-23 07:09:30

分布式ID雪花算法

2023-12-12 07:13:39

雪花算法分布式ID

2019-09-05 13:06:08

雪花算法分布式ID

2023-12-13 09:35:52

算法分布式

2020-07-21 11:35:21

開發(fā)技能代碼

2024-11-19 15:55:49

2021-06-28 14:45:07

分布式框架操作

2017-04-12 09:29:02

HiveMapReduceSpark

2021-11-08 19:25:37

Go生成系統(tǒng)

2023-09-03 22:14:23

分布式ID

2017-07-01 16:02:39

分布式ID生成器

2021-06-05 07:33:09

ID分布式架構(gòu)

2024-10-31 13:51:58

2019-09-03 09:22:08

數(shù)據(jù)庫Redis算法

2022-09-28 07:58:06

MongoDB分布式ID

2023-03-05 18:23:38

分布式ID節(jié)點

2023-01-12 17:46:37

分庫分表id如何生成

2021-07-02 06:54:43

分布式環(huán)境ID

2022-06-14 18:35:01

ID生成器語言

2016-11-29 09:12:21

數(shù)據(jù)庫分布式ID
點贊
收藏

51CTO技術(shù)棧公眾號