引子
伴随着业务的日渐庞大，单库单表的数据库可能无法支持业务的读写，需要对数据库进行分库分表。
原来数据库中，通常使用自增id的方式生成主键。分库分表之后，如果仍然采用原来的方式，在多个表之间主键会发生重复。
分库分表后，如何保证多张表中的 id 是全局唯一性的呢？
方法
针对此问题，通常有三种解法
- uuid
- 数据库主键自增。eg：两张表，一张奇数、一张偶数
- 雪花算法
此外，Redis 的自增原子性来生成唯一id，比较少用。
原理
雪花算法最早由Twitter提出，格式如下
- 最高 1 位固定值 0，因为生成的 id 是正整数，如果是 1 就是负数了。
- 接下来41位存储毫秒级时间戳，2^41/(1000606024365)=69，大概可以使用 69 年。
- 再接下 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，同一毫秒时间戳下，可以生成 2^12=4096 个不重复 id。
思考
-
雪花算法有以下几个优点：
- 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。
- 生成单调自增的唯一ID，在innodb的b+数表中顺序插入不会造成页的分裂，性能高。（uuid的话每个id是随机的，大量的随机IO效率不但低，还会使innodb页造成分裂和合并，使得插入效率低）
- 生成64位id，只占用8个字节节省存储空间。
- 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。
-
雪花算法有如下缺点：
- 依赖服务器时间：
- 服务器时钟回拨时可能会生成重复 id。
- 每台数据库的本地时间都要设置相同，否则会导致全局不递增
- 依赖服务器时间：
解法：
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。如果发生回拨
- 回拨时间较短，进行等待，直至时间达到最后一个生成id的时间+1，再继续产生。
- 回拨时间长，报错处理
- 选取两个bit，最初是00，接下来会有01、10、11三种情况，可以接受三次时间回拨。
代码
public class SnowFlakeUtils {
/*
起始时间时间戳：这个时间为第一次运行时的时间，这里设置为2021/11/23/19/17
可以在未来的69年内稳定运行
*/
private final static long START_STMP=1637666189914L;
private final static long SEQUENCE_BIT=12;//序列号占用12bit
private final static long MACHINE_BIT=5;//机器号占用5bit
private final static long MACHINE_HOUSE_BIT=5;//机房号占用5bit
/*
-1的源码 10000001
-1的反码 11111110
-1的补码 11111111
-1左移12位= 1111 1111 0000 0000 0000
-1 = 1111 1111 1111 1111 1111
异或运算 = 0000 0000 1111 1111 1111=4095
因此MAX_SEQUENCE的值为4095
*/
private final static long MAX_SEQUENCE=-1L^(-1L<<SEQUENCE_BIT);
//同理 MAX_MACHINE为31
private final static long MAX_MACHINE=-1L^(-1L<<MACHINE_BIT);
//同理 MAX_MACHINE_HOUSE值为31
private final static long MAX_MACHINE_HOUSE=-1L^(-1L<<MACHINE_HOUSE_BIT);
//机器ID
private long machineID;
//机房ID
private long machineHouseID;
private long lastTime=0;//上一次生成ID的时间戳
private long sequence=0;//序列号，默认为0
public SnowFlakeUtils(long machineID, long machineHouseID) {
this.machineID = machineID;
this.machineHouseID = machineHouseID;
}
public long getMachineID() {
return machineID;
}
public void setMachineID(long machineID) {
this.machineID = machineID;
}
public long getMachineHouseID() {
return machineHouseID;
}
public void setMachineHouseID(long machineHouseID) {
this.machineHouseID = machineHouseID;
}
/***
*产生下一个ID
* 用long型来表示我们生成的64位ID，
* @return
*/
public synchronized long nextId(){
if(machineHouseID>MAX_MACHINE_HOUSE ||machineID>MAX_MACHINE){
throw new RuntimeException("机房ID或机器ID超出最大值");
}
//获取当前时间戳
long currentTime=System.currentTimeMillis();
//如果当前时间小于上一次生成ID的时间，抛出异常
if(currentTime<lastTime){
throw new RuntimeException("当前时间为异常值，请勿回拨时间！");
}
//如果当前时间等于上一次生成ID时间，说明是在同一毫秒中生成，那么序列号加一
else if(currentTime==lastTime){
/*
MAX_SEQUENCE: 0000 1111 1111 1111
&
4096: 0001 0000 0000 0000
= 0
当sequence小于4095时， (sequence+1)&MAX_SEQUENCE=sequence+1
当sequence等于4095时，(sequence+1)&MAX_SEQUENCE=0
*/
sequence= (sequence+1)&MAX_SEQUENCE;
if(sequence==0L){
//获取下一个毫秒值
currentTime=getNextMill();
}
}else{
//毫秒值不同，sequence初始为0
sequence=0L;
}
//更新最近一次生成时间的毫秒值
lastTime=currentTime;
return (currentTime-START_STMP)<<22//左移22位 空出机房ID5位+机器ID5位+序列号12位
|machineID<<12//左移12位 空出序列号12位
|machineHouseID<<17//左移17位 空出机器ID5位+序列号12位
|sequence;//序列号部分
}
/**
* 获取下一个毫秒值
* @return
*/
private long getNextMill() {
long mill=System.currentTimeMillis();
//如果当前时间等于上一次的时间则一直自旋
while(mill==lastTime){
mill=System.currentTimeMillis();
}
return mill;
}
/**
* Main方法测试
* @param args
*/
public static void main(String[] args) {
//初始化一个雪花算法工具类，设置机房ID和机器ID都为0
SnowFlakeUtils snowFlakeUtils=new SnowFlakeUtils(0,0);
for (int i = 0; i <100; i++) {
//生成100个ID
System.out.println(snowFlakeUtils.nextId());
}
}
}
