简介
雪花 （SnowFlake ）算法是一种分布式唯一ID生成算法，可以生成全局唯一的ID标识符，就像自然界中雪花一般没有相同的雪花。它的核心思想是将一个64位的整数分成4部分，分别是：
1位标识符：即最高位，始终为0，用于区分正数和负数。
41位时间戳：表示生成ID的时间戳，精确到毫秒级别，可以使用69年。
10位数据中心ID：表示数据中心的编号，可以支持1024个数据中心。
12位机器ID：表示机器的编号，可以支持4096台机器。
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。
在同一毫秒内，不同的机器或数据中心可以生成不同的序列号，通过这种方式保证了生成的ID的唯一性。另外，由于时间戳占据了64位整数的高位部分，因此生成的ID是越来越大的，可以满足一些需要按照时间顺序排序的场景需求。
雪花算法的优点在于：
简单易实现：主要依赖于时间戳、数据中心ID和机器ID三个参数，实现起来比较简单。
唯一性：生成的ID具有全局唯一性，可以满足分布式系统的需求。
时间有序：生成的ID是按照时间有序递增的，可以满足一些需要按照时间顺序排序的场景需求,存入数据库中，索引效率高。。
可扩展性：可以根据需要增加数据中心ID和机器ID的位数，支持更多的数据中心和机器。
高性能高可用：生成时不依赖于数据库，完全在内存中生成。
容量大：每秒中能生成数百万的自增ID。
但是，雪花算法也存在一些缺点：
依赖于系统时钟：如果系统时钟回拨，则可能会生成重复的ID。
数据中心ID和机器ID需要手动分配：需要手动配置数据中心ID和机器ID，不太方便管理。
机器编号有限：12位机器ID只能支持4096台机器，如果需要支持更多的机器，则需要增加机器ID的位数。
综上所述，雪花算法是一种简单易实现、具有唯一性和时间有序性的分布式ID生成算法，适用于分布式系统中的唯一ID标识符的生成。
Java实现
public class Snowflake {
// 开始时间戳，一般为项目启动时间
private final long twepoch = 1288834974657L;
// 机器ID所占的位数
private final long workerIdBits = 5L;
// 数据标识ID所占的位数
private final long datacenterIdBits = 5L;
// 支持的最大机器ID，结果是31
private final long maxWorkerId = ~(-1L << workerIdBits);
// 支持的最大数据标识ID，结果是31
private final long maxDatacenterId = ~(-1L << datacenterIdBits);
// 序列号所占的位数
private final long sequenceBits = 12L;
// 机器ID向左移12位
private final long workerIdShift = sequenceBits;
// 数据标识ID向左移17位(12+5)
private final long datacenterIdShift = sequenceBits + workerIdBits;
// 时间戳向左移22位(5+5+12)
private final long timestampLeftShift = sequenceBits + workerIdBits + datacenterIdBits;
// 生成序列的掩码，这里是4095
private final long sequenceMask = ~(-1L << sequenceBits);
private long workerId; // 机器ID
private long datacenterId; // 数据标识ID
private long sequence = 0L; // 序列号
private long lastTimestamp = -1L; // 上次生成ID的时间戳
public Snowflake(long workerId, long datacenterId) {
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;
}
public synchronized long nextId() {
long timestamp = timeGen();
if (timestamp < lastTimestamp) {
throw new RuntimeException(String.format("Clock moved backwards. Refusing to generate id for %d milliseconds", lastTimestamp - timestamp));
}
if (lastTimestamp == timestamp) {
sequence = (sequence + 1) & sequenceMask; // 序列号自增
if (sequence == 0) { // 序列号超过最大值，则等待下一个时间戳
timestamp = tilNextMillis(lastTimestamp);
}
} else {
sequence = 0L; // 序列号重置为0
}
lastTimestamp = timestamp;
return ((timestamp - twepoch) << timestampLeftShift) | (datacenterId << datacenterIdShift) | (workerId << workerIdShift) | sequence;
}
private long tilNextMillis(long lastTimestamp) {
long timestamp = timeGen();
while (timestamp <= lastTimestamp) {
timestamp = timeGen();
}
return timestamp;
}
private long timeGen() {
return System.currentTimeMillis();
}
public static void main(String[] args) {
Snowflake idWorker = new Snowflake(0, 0);
for (int i = 0; i < 1000; i++) {
long id = idWorker.nextId();
System.out.println(Long.toBinaryString(id));
System.out.println(id);
}
}
}
Java相关工具类
Java版Snowflake开源库比较多，以下是一些常用的开源库及其使用方式：
-
Twitter的snowflake：是雪花算法最早的Java实现版本，支持高并发、低延迟、高可用等特点。使用方式：
Snowflake snowflake = new Snowflake(workerId, datacenterId); long id = snowflake.nextId(); -
百度的UidGenerator：是基于Twitter的snowflake算法改进而来的，支持高性能、高可用、高并发等特点。使用方式：
UidGenerator uidGenerator = UidGenerator.getUidGenerator(); long id = uidGenerator.getUID(); -
美团的Leaf：是一款高性能、轻量级的分布式ID生成器，支持多种ID生成算法，包括Snowflake算法。使用方式：
SegmentIDGenImpl idGen = new SegmentIDGenImpl(); idGen.init(); long id = idGen.getId(); -
阿里巴巴的nacos：是一款轻量级的服务注册与发现工具，其中包含了雪花算法的Java实现版本。使用方式：
SnowFlake snowFlake = new SnowFlake(dataCenterId, machineId); long id = snowFlake.nextId(); -
yitter
-
hutool工具类
Snowflake snowflake = IdUtil.getSnowflake(1, 1); long id = snowflake.nextId();
渺万里层云,千山暮雪,只影向谁去?
