SnowFlake雪花算法

简介

　　自然界不存在两片完全一样的雪花，每一片都是独一无二的，雪花算法的命名由此而来，所有雪花算法表示生成的ID唯一，且生成的ID是按照一定的结构组成。

组成结构

　　

　　上图可以看到雪花算法的结构由四部分组成，首位无效符，所以我们主要看后面三部分

1. 第一部分：由41位的时间戳组成，可以提高查询速度。
2. 第二部分：由10位机器码组成，适用于分布式环境下各节点进行标记，10位的长度最多支持部署1024个节点。
3. 第三部分：由12位序列号组成，可以同一节点同一毫秒生成多个2^12 - 1(4095)个ID序号。

由于生成的id按时间戳生成，所以ID是按时间递增

分布式系统内不会产生重复ID

使用

　　环境: .Net Core 3.0

　　先NuGet一下SnowFlake，这里使用的是Snowflake.Core

　　

　　下面是实例Demo

private static List<string> list = new List<string>();
static void Main(string[] args)
{
    Snowflake.Core.IdWorker work = new Snowflake.Core.IdWorker(1, 1);
    for (int i = 0; i < 1000; i++)
    {
        var id = work.NextId();
        if (list.Contains(id.ToString()))
        {
            Console.WriteLine("存在");
        }
        else
        {
            list.Add(id.ToString());
            Console.WriteLine(id.ToString());
         }
    }
}

Code

　　使用时创建IdWorder对象需要单例，如果重复创建会造成重复生成重复ID

　　最后附上源码

/**
* Twitter的分布式自增ID雪花算法snowflake
* @author MENG
* @create 2018-08-23 10:21
**/
public class SnowFlake {

    /**
     * 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 = 12; //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
     */
    private final static long MAX_DATACENTER_NUM = -1L ^ (-1L << DATACENTER_BIT);
    private 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

    public SnowFlake(long datacenterId, long machineId) {
        if (datacenterId > MAX_DATACENTER_NUM || datacenterId < 0) {
            throw new IllegalArgumentException("datacenterId can't be greater than MAX_DATACENTER_NUM or less than 0");
        }
        if (machineId > MAX_MACHINE_NUM || machineId < 0) {
            throw new IllegalArgumentException("machineId can't be greater than MAX_MACHINE_NUM or less than 0");
        }
        this.datacenterId = datacenterId;
        this.machineId = machineId;
    }

    /**
     * 产生下一个ID
     *
     * @return
     */
    public synchronized long nextId() {
        long currStmp = getNewstmp();
        if (currStmp < lastStmp) {
            throw new RuntimeException("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
    }

    private long getNextMill() {
        long mill = getNewstmp();
        while (mill <= lastStmp) {
            mill = getNewstmp();
        }
        return mill;
    }

    private long getNewstmp() {
        return System.currentTimeMillis();
    }

    public static void main(String[] args) {
        SnowFlake snowFlake = new SnowFlake(1, 1);

        long start = System.currentTimeMillis();
        for (int i = 0; i < 1000000; i++) {
            System.out.println(snowFlake.nextId());
        }

        System.out.println(System.currentTimeMillis() - start);

    }
}

总结

组成结构大致分为了无效位、时间位、机器位和序列号位。其特点是自增、有序、纯数字组成查询效率高且不依赖于数据库。适合在分布式的场景中应用，可根据需求调整具体实现细节。