构建全局唯一ID
java.util.UUID
包下jdk 1.5之后新增的类java.util.UUID#randomUUID
- SnowFlake算法即雪花算法
UUID
public class UUIDDemo {
public static void main(String[] args) {
String uuid = UUID.randomUUID().toString();
System.out.println("构建全局唯一ID:" + uuid);
//把string类型的转UUID
System.out.println( UUID.fromString(uuid));
//指定byte大小的UUID的值
System.out.println( UUID.nameUUIDFromBytes(new byte[100000000]));
/**
* 构建全局唯一ID:1bc06eb4-a0bf-4c28-9e26-795f5c4f1816
* 1bc06eb4-a0bf-4c28-9e26-795f5c4f1816
* 0f86d7c5-a618-3cf9-984c-1d21144d85b0
*/
}
}
SnowFlake
分析
SnowFlake算法产生的ID是一个64位的整型,结构如下每一部分用 - 符号分隔:
0 - 0000000000 0000000000 0000000000 0000000000 0 - 00000 - 00000 - 000000000000
-
1位标识部分:在java中由于long的最高位是符号位,正数是0,负数是1
-
41位时间戳部分:时间戳的差值(当前时间-固定的开始时间)
-
10位节点部分:Twitter实现中使用前5位作为数据中标识,后5位作为机器标识,可以部署1024个节点;
-
12位序列号部分:支持同一毫秒内同一个节点可以生产4096个ID;
SonwFlake算法生产的ID大致是按时间递增的,用在分布式系统中,需要注意数据中心标识和机器标识必须唯一,这样就能保证每个节点生产的ID都是唯一的。
灵活性:或许我们不一定都像上面那样使用5位作为数据中心标识,5位作为机器标识,可以根据我们业务的需要,灵活分配节点部分,如:不需要数据中心,完全可以使用全部10位作为机器标识;若数据中心不多,也可以只使用3位作为数据中心,7位作为机器标识。
//Java中^:异或
//Java中<<:逻辑左移,左移一位相当于乘以2的1次方
代码分析
/**
* twitter的snowFlake算法
*
* @author sunyang
* @date 2019/2/22 13:07
*/
public class SnowFlake {
/**
* 起初的时间戳
*/
private static final long START_STMP = 1550812123L;
/**
* 每一部分占用的位数
* 序列号占用位数
* 机器标识占用位数
* 数据中心占用位数
*/
private static final long SEQUENCE_BIT = 12;
private static final long MACHINE_BIT = 5;
private static final long DATACENTER_BIT = 5;
/**
* 每一部分的最大值
*/
private static final long MAX_SEQUENCE_NUM = -1L ^ (-1L << SEQUENCE_BIT);
private static final long MAX_MACHINE_NUM = -1L ^ (-1L << MACHINE_BIT);
private static final long MAX_DATACENTER_NUM = -1L ^ (-1L << DATACENTER_BIT);
/**
* 每一部分向左的位移
*/
private static final long MACHINE_LEFT = SEQUENCE_BIT;
private static final long DATACENTER_LEFT = SEQUENCE_BIT + MACHINE_BIT;
private static 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;
public SnowFlake(long datacenterId, long machineId) {
if (datacenterId > MAX_DATACENTER_NUM || datacenterId < 0){
throw new IllegalArgumentException("传入数据中心参数有误");
}
if (machineId > MAX_MACHINE_NUM || machineId < 0){
throw new IllegalArgumentException("传入机器标识参数有误");
}
this.datacenterId = datacenterId;
this.machineId = machineId;
}
/**
* 生产下一个ID
*/
public synchronized long nextId(){
//获取新的时间戳
long currStmp = getNewstmp();
if (currStmp < lastStmp){
throw new RuntimeException("不允许向后生成ID");
}
if (currStmp == lastStmp){
//相同毫秒内,序列号自增
sequence = (sequence + 1) & MAX_SEQUENCE_NUM;
if (sequence == 0L){
//同一毫秒的序列数已经达到最大,获得下一个时间戳
currStmp = getNextMill();
}
}else{
//不同毫秒内,序列号置为0
sequence = 0L;
}
lastStmp = currStmp;
/**
* 时间戳部分
* 数据中心部分
* 机器标识部分
* 序列号部分
*/
return (currStmp - START_STMP) << TIMESTMP_LEFT
| datacenterId << DATACENTER_LEFT
| machineId << MACHINE_LEFT
| sequence;
}
private long getNextMill() {
//获得新的时间戳
long mill = getNewstmp();
while (mill <= lastStmp){
mill = getNewstmp();
}
return mill;
}
private long getNewstmp() {
return System.currentTimeMillis();
}
}
测试结果:
/**
* @author sunyang
* @date 2019/2/22 10:02
*/
public class SnowFlakeDemo {
public static void main(String[] args) {
/**
* 41为时间戳部分,可以使用69年
*/
Long val1 = 1L << 41;
Long val2 = 1000L * 60 * 60 * 24 * 365;
System.out.println("分子:" + val1);
System.out.println("分母:" + val2);
System.out.println("年:" + (val1/val2) );
System.out.println(val1 | val2 );
SnowFlake snowFlake = new SnowFlake(2,3);
for (int i = 0; i < 10; i++) {
long orderId = snowFlake.nextId();
System.out.println("orderId : " + orderId);
}
}
}