ID作为我们数据的唯一标识，具有不重复，趋势递增的特点。
如果ID不递增，数据插入会有性能问题，这个后面再聊。
从成本及可靠性考虑，雪花算法是最佳之选。
雪花算法其实是对时间戳生成ID的方式的一种改进，通过64bit位生成long类型的唯一id，原理如下图：
雪花算法组成
package com.xiaojiang;
import java.util.Set;
import java.util.TreeSet;
/**
* @author xiaojiang
* @version 1.0
* @description 雪花算法ID生成器
* @date 2022/6/22
*/
public class SnowflakeIdGenerator {
// 初始时间戳一般为服务的上线时间
private static final long INIT_EPOCH = 1656169263130L;
// 最后一次时间戳，用来判断是否同一毫秒和服务器时钟回拨判断
private long lastTimeMillis = -1L;
// 数据中心占用的比特位
private static final long DATA_CENTER_ID_BITS = 5L;
// 数据中心最大值31
// 0000000000000000000000000000000000000000000000000000000000011111
private static final long MAX_DATA_CENTER_ID = ~(-1L << DATA_CENTER_ID_BITS);
// datacenterId
private long datacenterId;
// workId占用的位数
private static final long WORKER_ID_BITS = 5L;
// workId占用5个比特位，最大值31
// 0000000000000000000000000000000000000000000000000000000000011111
private static final long MAX_WORKER_ID = ~(-1L << WORKER_ID_BITS);
// workId
private long workerId;
// 最后12位，代表每毫秒内可产生最大序列号，即 2^12 - 1 = 4095
private static final long SEQUENCE_BITS = 12L;
// 掩码（最低12位为1，高位都为0），主要用于与自增后的序列号进行位与，如果值为0，则代表自增后的序列号超过了4095
// 0000000000000000000000000000000000000000000000000000111111111111
private static final long SEQUENCE_MASK = ~(-1L << SEQUENCE_BITS);
// 同一毫秒内的最新序号，最大值可为 2^12 - 1 = 4095
private long sequence;
// workId位需要左移的位数 12
private static final long WORK_ID_SHIFT = SEQUENCE_BITS;
// dataCenterId位需要左移的位数 12+5
private static final long DATA_CENTER_ID_SHIFT = SEQUENCE_BITS + WORKER_ID_BITS;
// 时间戳需要左移的位数 12+5+5
private static final long TIMESTAMP_SHIFT = SEQUENCE_BITS + WORKER_ID_BITS + DATA_CENTER_ID_BITS;
public SnowflakeIdGenerator(long datacenterId, long workerId) {
// 检查datacenterId的合法值
if (datacenterId < 0 || datacenterId > MAX_DATA_CENTER_ID) {
throw new IllegalArgumentException(
String.format("datacenterId值必须大于0并且小于%d", MAX_DATA_CENTER_ID));
}
// 检查workId的合法值
if (workerId < 0 || workerId > MAX_WORKER_ID) {
throw new IllegalArgumentException(String.format("workId值必须大于0并且小于%d", MAX_WORKER_ID));
}
this.workerId = workerId;
this.datacenterId = datacenterId;
}
/**
* 通过雪花算法生成下一个id，注意这里使用synchronized同步
*
* @return 唯一id
*/
public synchronized long nextId() {
long currentTimeMillis = System.currentTimeMillis();
// 当前时间小于上一次生成id使用的时间，可能出现服务器时钟回拨问题
if (currentTimeMillis < lastTimeMillis) {
throw new RuntimeException(
String.format("可能出现服务器时钟回拨问题，请检查服务器时间。当前服务器时间戳：%d，上一次使用时间戳：%d", currentTimeMillis,
lastTimeMillis));
}
//还是在同一毫秒内，则将序列号递增1，序列号最大值为4095
if (currentTimeMillis == lastTimeMillis) {
// 序列号的最大值是4095，使用掩码（最低12位为1，高位都为0）
//进行位与运行后如果值为0，则自增后的序列号超过了4095
// 那么就使用新的时间戳
sequence = (sequence + 1) & SEQUENCE_MASK;
if (sequence == 0) {
currentTimeMillis = tilNextMillis(lastTimeMillis);
}
} else { // 不在同一毫秒内，则序列号重新从0开始，序列号最大值为4095
sequence = 0;
}
// 记录最后一次使用的毫秒时间戳
lastTimeMillis = currentTimeMillis;
// 核心算法，将不同部分的数值移动到指定的位置，然后进行或运行
return ((currentTimeMillis - INIT_EPOCH) << TIMESTAMP_SHIFT)
| (datacenterId << DATA_CENTER_ID_SHIFT)
| (workerId << WORK_ID_SHIFT)
| sequence;
}
/**
* 获取指定时间戳的接下来的时间戳，也可以说是下一毫秒
*
* @param lastTimeMillis 指定毫秒时间戳
* @return 时间戳
*/
private long tilNextMillis(long lastTimeMillis) {
long currentTimeMillis = System.currentTimeMillis();
while (currentTimeMillis <= lastTimeMillis) {
currentTimeMillis = System.currentTimeMillis();
}
return currentTimeMillis;
}
}重点讲一下这段代码
// 核心算法，将不同部分的数值移动到指定的位置，然后进行或运行
return ((currentTimeMillis - INIT_EPOCH) << TIMESTAMP_SHIFT)
| (datacenterId << DATA_CENTER_ID_SHIFT)
| (workerId << WORK_ID_SHIFT)
| sequence;举个栗子来说，我需要将9和5合成一个数。
9的二进制表示为1001，5的二进制表示为101，我们发现5的二进制占3位，那么需要将9左边3位腾出位置来，9左移3位即为1001000，我们知道
0 | 1 = 1
1 | 1 = 1
0 | 0 = 0
9左移其实是用0往右边补齐3位，那么1001000 | 0000101 = 1001101 实现了两数合并，雪花算法同理使用了这种实现了时间戳+数据中心ID+机器ID+自增序列的位数合并。
| 留言与评论（共有 0 条评论） “” |
