算法原理

SnowFlake算法生成id的结果是一个64bit大小的整数，它的结构如下图：

由于在Java中64bit的整数是long类型，所以在Java中SnowFlake算法生成的id就是long来存储的。

SnowFlake可以保证：

所有生成的id按时间趋势递增

整个分布式系统内不会产生重复id(因为有datacenterId和machineId来做区分)

算法实现(Java)

Twitter官方给出的算法实现 是用Scala写的，这里不做分析，可自行查看。

/**

*  * SnowFlake的结构如下(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IdWorker类的startTime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

*  * 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。

*  *

* 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，经测试，SnowFlake每秒能够产生20多万ID左右。

* [email protected] 80000636

*/

public class SnowflakeIdWorker {

private static final Logger logger = LoggerFactory.getLogger(SnowflakeIdWorker.class);

/**

* 起始的时间戳

*/

private final static long START_STMP = 1480166465631L;

/**

* 每一部分占用的位数

*/

private final static long SEQUENCE_BIT = 10; //序列号占用的位数

private final static long MACHINE_BIT = 5; //机器标识占用的位数

private final static long DATACENTER_BIT = 5;//数据中心占用的位数

/**

* 每一部分的最大值

*/

public final static long MAX_DATACENTER_NUM = -1L ^ (-1L << DATACENTER_BIT);

public final static long MAX_MACHINE_NUM = -1L ^ (-1L << MACHINE_BIT);

private final static long MAX_SEQUENCE = -1L ^ (-1L << SEQUENCE_BIT);

/**

* 每一部分向左的位移

*/

private final static long MACHINE_LEFT = SEQUENCE_BIT;

private final static long DATACENTER_LEFT = SEQUENCE_BIT + MACHINE_BIT;

private final static long TIMESTMP_LEFT = DATACENTER_LEFT + DATACENTER_BIT;

private long datacenterId; //数据中心

private long machineId; //机器标识

private long sequence = 0L; //序列号

private long lastStmp = -1L;//上一次时间戳

/**

* 根据MAC生成datacenterId，根据MAC + PID生成machineId

*/

public SnowflakeIdWorker() {

long datacenterId = getDatacenterId(MAX_DATACENTER_NUM);

long machineId = getMachineId(datacenterId, MAX_MACHINE_NUM);

check(datacenterId, machineId);

this.datacenterId = datacenterId;

this.machineId = machineId;

}

/**

* datacenterId和machineId可配置

* @param datacenterId

* @param machineId

*/

public SnowflakeIdWorker(long datacenterId, long machineId) {

check(datacenterId, machineId);

this.datacenterId = datacenterId;

this.machineId = machineId;

}

private static void check(long datacenterId, long machineId) {

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

throw new EompRuntimeException(String.format("datacenterId can't be greater than %s or less than 0", MAX_DATACENTER_NUM));

}

if (machineId > MAX_MACHINE_NUM || machineId < 0) {

throw new EompRuntimeException(String.format("machineId can't be greater than %s or less than 0", MAX_MACHINE_NUM));

}

}

/**

* 产生下一个ID

*

* @return

*/

public synchronized long nextId() {

long currStmp = getNewstmp();

if (currStmp < lastStmp) {

throw new EompRuntimeException("Clock moved backwards. Refusing to generate id");

}

if (currStmp == lastStmp) {

//相同毫秒内，序列号自增

sequence = (sequence + 1) & MAX_SEQUENCE;

//同一毫秒的序列数已经达到最大

if (sequence == 0L) {

currStmp = getNextMill();

}

} else {

//不同毫秒内，序列号置为0

sequence = 0L;

}

lastStmp = currStmp;

return (currStmp - START_STMP) << TIMESTMP_LEFT //时间戳部分

| datacenterId << DATACENTER_LEFT //数据中心部分

| machineId << MACHINE_LEFT //机器标识部分

| sequence; //序列号部分

}

/**

* 阻塞到下一个毫秒，直到获得新的时间戳

* @return 当前时间戳

*/

private long getNextMill() {

long mill = getNewstmp();

while (mill <= lastStmp) {

mill = getNewstmp();

}

return mill;

}

/**

* 返回以毫秒为单位的当前时间

* @return 当前时间(毫秒)

*/

private long getNewstmp() {

return System.currentTimeMillis();

}

/**

* 机器标识

*/

private static long getMachineId(long datacenterId, long maxWorkerId) {

StringBuilder mpid = new StringBuilder();

mpid.append(datacenterId);

String name = ManagementFactory.getRuntimeMXBean().getName();

if (!name.isEmpty()) {

/** GET jvmPid */

mpid.append(name.split("@")[0]);

}

/** MAC + PID 的 hashcode 获取16个低位 */

return (mpid.toString().hashCode() & 0xffff) % (maxWorkerId + 1);

}

/**

* 数据标识id部分

*/

private static long getDatacenterId(long maxDatacenterId) {

long id = 0L;

try {

InetAddress ip = InetAddress.getLocalHost();

NetworkInterface network = NetworkInterface.getByInetAddress(ip);

if (network == null) {

id = 1L;

} else {

byte[] mac = network.getHardwareAddress();

id = ((0x000000FF & (long) mac[mac.length - 1])

| (0x0000FF00 & (((long) mac[mac.length - 2]) << 8))) >> 6;

id = id % (maxDatacenterId + 1);

}

} catch (Exception e) {

logger.error("getDatacenterId exception.", e);

}

return id;

}

/*public static void main(String[] args) {

long datacenterId = getDatacenterId(MAX_DATACENTER_NUM);

long machineId = getMachineId(datacenterId, MAX_MACHINE_NUM);

System.out.println("ip:" + datacenterId + ",processId:" + machineId);

}*/

}

测试类：

public class SnowflakeIdWorkerTest {

public static SetidSet = new HashSet<>();

public static void main(String[] args) {

SnowflakeIdWorker snowflakeIdWorker = new SnowflakeIdWorker(1, 0);

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

new Thread(new Worker(snowflakeIdWorker)).start();

}

}

static class Worker implements Runnable {

private SnowflakeIdWorker snowflakeIdWorker;

public Worker(SnowflakeIdWorker snowflakeIdWorker) {

this.snowflakeIdWorker = snowflakeIdWorker;

}

@Override

public void run() {

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

Long id = snowflakeIdWorker.nextId();

if (!idSet.add(id)) {

System.err.println("存在重复id:" + id);

}

}

}

}

}