祝大家新年快乐，有任何问题可与我联系：

关于snowflake算法的介绍和原理这里不过多说明了，网上有很多。

这里简单描述下SnowflakeUtil的优点：

1、做为底层工具使用，可用于数据库主键、订单编号……

2、不依赖数据库，速度快

3、可有序生成

4、可分布式部署

当然缺点也是有的，我相信看了下面SnowflakeUtil的朋友自然能够明白。

下面是SnowflakeUtil类的代码：

package cn.yyjjssnn.utils;

/**

* 本类主要用于生成主键ID，方法参考twitter的SnowFlake。

* SnowFlake的优点是，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(由数据中心ID和机器ID作区分)，并且效率较高。

* SnowFlake的示例结构如下(每部分用-分开)：

* 0 - 0000000000 0000000000 0000000000 0000000000 0 - 00000 - 00000 - 000000000000

* 1位标识，由于long基本类型在Java中是带符号的，最高位是符号位，正数是0，负数是1，所以id一般是正数，最高位是0

* 41位时间截(毫秒级)，注意，41位时间截不是存储当前时间的时间截，而是存储时间截的差值(当前时间截 - 开始时间截得到的值)，

* 这里的的开始时间截，一般是我们的id生成器开始使用的时间，由我们程序来指定的(如下下面程序SnowflakeIdUtil类的twepoch属性)。

* 41位的时间截，可以使用69年，年T = (1L << 41) / (1000L * 60 * 60 * 24 * 365) = 69

* 10位的数据机器位，可以部署在1024个节点，包括5位datacenterId和5位workerId，可以合在一起使用，也可以分开使用

* 12位序列，毫秒内的计数，12位的计数顺序号支持每个节点每毫秒(同一机器，同一时间截)产生4096个ID序号

* 加起来刚好64位，为一个Long型。

*/

public class SnowflakeUtil {

/** 序列id所占的位数 支持每毫秒产生1024个id序号 */

private final long sequenceBits = 10L;

/** 机器id所占的位数 支持256台机器 */

private final long workerIdBits = 8L;

/** 区域id所占的位数 支持32个区域(即支持最大机器数为256*32=8192) */

private final long datacenterIdBits = 5L;

/** 开始时间截 (2018-01-01 00:00:00) 可使用至2052年 */

private final long twepoch = 1514736000000L;

/** 机器id左移位 */

private final long workerIdShift = sequenceBits;

/** 区域id左移位 */

private final long datacenterIdShift = sequenceBits + workerIdBits;

/** 时间截左移位 */

private final long timestampLeftShift = sequenceBits + workerIdBits + datacenterIdBits;

/** 生成序列的掩码 */

private final long sequenceMask = -1L ^ (-1L << sequenceBits);

/** 支持的最大机器id */

private final long maxWorkerId = -1L ^ (-1L << workerIdBits);

/** 支持的最大区域id */

private final long maxDatacenterId = -1L ^ (-1L << datacenterIdBits);

/** 当前毫秒内序列 */

private long sequence = 0L;

/** 当前机器id */

private long workerId;

/** 当前区域id */

private long datacenterId;

/** 上次生成ID的时间截 */

private long lastTimestamp = -1L;

/** 一台机子只需要一个实例，以保证产生有序的、不重复的ID */

private static SnowflakeUtil snowflakeUtil = new SnowflakeUtil();

private SnowflakeUtil() {

// 设置workerId和datacenterId

// TODO workerId和datacenterId可以通过数据库、配置文件、缓存等方式获取，这里为方便演示默认都设置为0

long workerId = 0;

long datacenterId = 0;

if (workerId > maxWorkerId || workerId < 0) {

throw new IllegalArgumentException(

String.format("workerId(０～%d)设置错误", maxWorkerId));

}

if (datacenterId > maxDatacenterId || datacenterId < 0) {

throw new IllegalArgumentException(

String.format("datacenterId(０～%d)设置错误", maxDatacenterId));

}

this.workerId = workerId;

this.datacenterId = datacenterId;

}

public static SnowflakeUtil getInstance() {

return snowflakeUtil;

}

/**

* 获得下一个ID (该方法是线程安全的)

* @return SnowflakeId

*/

public synchronized long nextId() {

long timestamp = timeGen();

// 如果当前时间小于上一次ID生成的时间戳，说明系统时钟回退过这个时候应当抛出异常

// 也就是说当应用运行时是不能将时钟改小的，要么异常退出，要么ID重复

if (timestamp < lastTimestamp) {

throw new RuntimeException(String.format("系统时钟回退%d秒", lastTimestamp - timestamp));

}

// 如果是同一时间生成的，则进行毫秒内序列

if (lastTimestamp == timestamp) {

sequence = (sequence + 1) & sequenceMask;

// 毫秒内序列溢出

if (sequence == 0) {

// 阻塞到下一个毫秒,获得新的时间戳

timestamp = tilNextMillis(lastTimestamp);

}

}

// 时间戳改变，毫秒内序列重置

else {

sequence = 0L;

}

// 上次生成ID的时间截

lastTimestamp = timestamp;

// 移位并通过或运算拼到一起组成64位的ID

return ((timestamp - twepoch) << timestampLeftShift) //

| (datacenterId << datacenterIdShift) //

| (workerId << workerIdShift) //

| sequence;

}

/**

* 阻塞到下一个毫秒，直到获得新的时间戳

* @param lastTimestamp 上次生成ID的时间截

* @return 当前时间戳

*/

protected long tilNextMillis(long lastTimestamp) {

long timestamp = timeGen();

while (timestamp <= lastTimestamp) {

timestamp = timeGen();

}

return timestamp;

}

/**

* 返回以毫秒为单位的当前时间

* @return 当前时间(毫秒)

*/

protected long timeGen() {

// 考虑到当前系统时钟不准确以及修改时钟产生的ID问题，

// 这里可以根据自身业务使用网络时钟或其他更加准确及稳定的时钟

return System.currentTimeMillis();

}

}

下面是测试代码：

package cn.yyjjssnn.utils;

import java.util.Hashtable;

import java.util.Map;

public class SnowflakeUtilTest {

public static void main(String[] args) {

// 模拟多线程同时获取ID

for (int i = 0; i < 100; i++) {

new SnowflakeUtilTestThread("线程" + i).start();

}

}

}

class SnowflakeUtilTestThread extends Thread {

private static Map existId = new Hashtable();

public SnowflakeUtilTestThread(String name) {

super(name);

}

@Override

public void run() {

for (int i = 0; i < 1000; i++) {

long id = SnowflakeUtil.getInstance().nextId();

if (existId.containsKey(id + "")) {

throw new RuntimeException("ID重复");

}

existId.put(id + "", id);

System.out.println(getName() + "获取ID：" + id + "，当前ID总数：" + existId.size());

}

}

}

下面是测试结果：

……

线程1获取ID：63578301855170593，当前ID总数：99962

线程73获取ID：63578301855170596，当前ID总数：99965

线程73获取ID：63578301855170598，当前ID总数：99967

线程47获取ID：63578301855170595，当前ID总数：99964

线程73获取ID：63578301855170599，当前ID总数：99968

线程1获取ID：63578301855170597，当前ID总数：99966

线程73获取ID：63578301855170601，当前ID总数：99970

线程73获取ID：63578301855170602，当前ID总数：99971

线程73获取ID：63578301855170603，当前ID总数：99972

线程73获取ID：63578301855170604，当前ID总数：99973

线程73获取ID：63578301855170605，当前ID总数：99974

线程73获取ID：63578301855170606，当前ID总数：99975

线程73获取ID：63578301855170607，当前ID总数：99976

线程73获取ID：63578301855170608，当前ID总数：99977

线程73获取ID：63578301855170609，当前ID总数：99978

……

线程73获取ID：63578301855170626，当前ID总数：99995

线程73获取ID：63578301855170627，当前ID总数：99996

线程73获取ID：63578301855170628，当前ID总数：99997

线程73获取ID：63578301855170629，当前ID总数：99998

线程73获取ID：63578301855170630，当前ID总数：99999

线程73获取ID：63578301863559168，当前ID总数：100000

~谢谢打赏~手机请长按图片~

赞 赏