一、Twitter的分布式自增ID雪花算法snowflake

/*** Twitter的分布式自增ID雪花算法snowflake* 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26万ID左右。*/
public class SnowFlake {// 因为二进制里第一个 bit 为如果是 1，那么都是负数，但是我们生成的 id 都是正数，所以第一个 bit 统一都是 0/*** 起始的时间戳*/private static final long START_STMP = 1480166465631L;/*** 每一部分占用的位数*/private static final long SEQUENCE_BIT = 12; // 序列号占用的位数private static final long MACHINE_BIT = 5; // 机器标识占用的位数private static final long DATACENTER_BIT = 5; // 数据中心占用的位数/*** 每一部分的最大值*/// 这个是一个意思，就是5 bit最多只能有31个数字，机房id最多只能是32以内private static final long MAX_DATACENTER_NUM = -1L ^ (-1L << DATACENTER_BIT);// 这个是二进制运算，就是5 bit最多只能有31个数字，也就是说机器id最多只能是32以内private static final long MAX_MACHINE_NUM = -1L ^ (-1L << MACHINE_BIT);// 每毫秒内产生的id数 2 的 12次方private static final long MAX_SEQUENCE = -1L ^ (-1L << SEQUENCE_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;// 机房ID 2进制5位  32位减掉1位 31个private long datacenterId; // 数据中心、机房ID// 机器ID  2进制5位  32位减掉1位 31个private long machineId; // 机器标识// 代表一毫秒内生成的多个id的最新序号  12位 4096 -1 = 4095 个private long sequence = 0L; // 序列号// 记录产生时间毫秒数，判断是否是同1毫秒private long lastTimestamp = -1L; // 上一次时间戳public SnowFlake(long datacenterId, long machineId) {// 检查机房id和机器id是否超过31 不能小于0if (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;}/*** 这个是核心方法，通过调用nextId()方法，让当前这台机器上的snowflake算法程序生成一个全局唯一的id*/public synchronized long nextId() {long currentTimestamp = getNewsTimestamp();if (currentTimestamp < lastTimestamp) {throw new RuntimeException("Clock moved backwards.  Refusing to generate id");}// 下面是说假设在同一个毫秒内，又发送了一个请求生成一个id// 这个时候就得把seqence序号给递增1，最多就是4096if (currentTimestamp == lastTimestamp) {// 这个意思是说一个毫秒内最多只能有4096个数字，无论你传递多少进来，// 这个位运算保证始终就是在4096这个范围内，避免你自己传递个sequence超过了4096这个范围sequence = (sequence + 1) & MAX_SEQUENCE;// 当某一毫秒的时间，产生的id数 超过4095，系统会进入等待，直到下一毫秒，系统继续产生IDif (sequence == 0L) {currentTimestamp = getNextMill();}} else {// 不同毫秒内，序列号置为0sequence = 0L;}lastTimestamp = currentTimestamp;// 最核心的二进制位运算操作，生成一个64bit的id// 先将当前时间戳左移，放到41 bit那儿；将机房id左移放到5 bit那儿；将机器id左移放到5 bit那儿；将序号放最后12 bit// 最后拼接起来成一个64 bit的二进制数字，转换成10进制就是个long型return (currentTimestamp - 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* lastTimestamp 上次生成ID的时间截* @return 当前时间戳*/private long getNextMill() {long mill = getNewsTimestamp();while (mill <= lastTimestamp) {mill = getNewsTimestamp();}return mill;}/*** 返回以毫秒为单位的当前时间* @return 当前时间(毫秒)*/private long getNewsTimestamp() {return System.currentTimeMillis();}public static void main(String[] args) {SnowFlake snowFlake = new SnowFlake(2, 3);long start = System.currentTimeMillis();for (int i = 0; i < 100000; i++) {System.out.println("当前生成的有序数字串 : " + (snowFlake.nextId()));}System.out.println("总耗时 : " + (System.currentTimeMillis() - start));System.out.println("MAX_MACHINE_NUM : " + MAX_MACHINE_NUM);System.out.println("MAX_DATACENTER_NUM : " + MAX_DATACENTER_NUM);System.out.println("MAX_SEQUENCE : " + MAX_SEQUENCE);}
}

endl