摘自：https://www.cnblogs.com/zhou-920644981/p/12202391.html
概述
snowflake是Twitter开源的分布式ID生成算法，结果是一个Long型的ID。其核心思想是：使用41bit作为毫秒数，10bit作为机器的ID（5个bit是数据中心，5个bit的机器ID），12bit作为毫秒内的序列号（意味着每个节点在每毫秒可以产生 4096 个 ID），最后还有一个符号位，永远是0。
特点：
- 作为ID，肯定是唯一的；
- 自增，依赖时间戳生成，序列号有序递增；
- 支持非常大的业务ID生成，最大支持2^10=1024个业务节点，同一个节点一毫秒最多生成2^12=4096个ID，41位毫秒级时间可以使用（2^41 - 1）/(1000*60*60*24*365)=69.73，大约70年；
- 实现简单，不依赖于其他第三方组件，甚至都不需要任何import。
结果是一个Long型的ID，64位，结构图如下：
- 第1位固定是0，表示正数；
- 第2-42共41位表示时间戳，当前时间的时间戳减去开始时间的时间戳；
- 业务节点ID，每个节点固定的值；
- 毫秒内的序列号。
实现
清楚了结构后，就比较好实现了。
41bit-时间戳
当前时间的时间戳减去开始时间的时间戳，左移22位
(ts - beginTs) << timestampLeftOffset
10bit-工作机器ID
自定义的业务节点ID，固定的值，左移12位
workerId << workerIdLeftOffset
12bit-序列号
毫秒内序列号，以此递增，如果溢出就阻塞到下一秒从0开始计数
// 同一时间内，则计算序列号
if (ts == lastTimestamp) {
// 序列号溢出
if (++sequence > maxSequence) {
ts = tilNextMillis(lastTimestamp);
sequence = 0L;
}
} else {
// 时间戳改变，重置序列号
sequence = 0L;
}
lastTimestamp = ts;
/**
* 阻塞到下一个毫秒
*
* @param lastTimestamp
* @return
*/
private long tilNextMillis(long lastTimestamp) {
long ts = System.currentTimeMillis();
while (ts <= lastTimestamp) {
ts = System.currentTimeMillis();
}
return ts;
}
生成最终的ID
return (ts - beginTs) << timestampLeftOffset | workerId << workerIdLeftOffset | sequence;
完整代码
最后贴出完整代码。
public class SnowflakeIdWorker {
/**
* 开始时间：2020-01-01 00:00:00
*/
private final long beginTs = 1577808000000L;
private final long workerIdBits = 10;
/**
* 2^10 - 1 = 1023
*/
private final long maxWorkerId = -1L ^ (-1L << workerIdBits);
private final long sequenceBits = 12;
/**
* 2^12 - 1 = 4095
*/
private final long maxSequence = -1L ^ (-1L << sequenceBits);
/**
* 时间戳左移22位
*/
private final long timestampLeftOffset = workerIdBits + sequenceBits;
/**
* 业务ID左移12位
*/
private final long workerIdLeftOffset = sequenceBits;
/**
* 合并了机器ID和数据标示ID，统称业务ID，10位
*/
private long workerId;
/**
* 毫秒内序列，12位，2^12 = 4096个数字
*/
private long sequence = 0L;
/**
* 上一次生成的ID的时间戳，同一个worker中
*/
private long lastTimestamp = -1L;
public SnowflakeIdWorker(long workerId) {
if (workerId > maxWorkerId || workerId < 0) {
throw new IllegalArgumentException(String.format("WorkerId必须大于或等于0且小于或等于%d", maxWorkerId));
}
this.workerId = workerId;
}
public synchronized long nextId() {
long ts = System.currentTimeMillis();
if (ts < lastTimestamp) {
throw new RuntimeException(String.format("系统时钟回退了%d毫秒", (lastTimestamp - ts)));
}
// 同一时间内，则计算序列号
if (ts == lastTimestamp) {
// 序列号溢出
if (++sequence > maxSequence) {
ts = tilNextMillis(lastTimestamp);
sequence = 0L;
}
} else {
// 时间戳改变，重置序列号
sequence = 0L;
}
lastTimestamp = ts;
// 0 - 00000000 00000000 00000000 00000000 00000000 0 - 00000000 00 - 00000000 0000
// 左移后，低位补0，进行按位或运算相当于二进制拼接
// 本来高位还有个0<<63，0与任何数字按位或都是本身，所以写不写效果一样
return (ts - beginTs) << timestampLeftOffset | workerId << workerIdLeftOffset | sequence;
}
/**
* 阻塞到下一个毫秒
*
* @param lastTimestamp
* @return
*/
private long tilNextMillis(long lastTimestamp) {
long ts = System.currentTimeMillis();
while (ts <= lastTimestamp) {
ts = System.currentTimeMillis();
}
return ts;
}
}
补充
这里面有大量的二进制位运算，目的只有一个：快。
规则：1为真，0为否，其实就是同位之间的布尔运算。
按位与：&
都为真就是真，其他都是否
1&1=1 1&0=0 0&1=0 0&0=0
按位或：|
只要有一个真就是真
1|1=1 1|0=1 0|1=1 0|0=0
异或：^
相同就是否，不同就是真
1^1=0 1^0=1 0^1=1 0^0=0
左移：<<
所有位向左移动多少位，低位补0，高位多出的直接删掉
右移：>>
所有位向右移动多少位，低位多出的删掉，高位是0补0，是1就补1
Java中的原码、补码和反码
原码
原码就是十进制数字的原始二进制表示，对于整数而言，最高位为符号位，1表示负数，0表示正数。以32位int型的整数2及-2举例：
2的原码：00000000 00000000 00000000 00000010
-2的原码：10000000 00000000 00000000 00000010
反码
正数的反码就是其原码，负数的反码除了最高位的符号位外，其他位取反（0改1，1改0）
2的反码：00000000 00000000 00000000 00000010
-2的反码：11111111 11111111 11111111 11111101
补码
正数的补码就是其原码，负数的补码是其反码加1
2的补码：00000000 00000000 00000000 00000010
-2的反码：11111111 11111111 11111111 11111101
-2的补码：11111111 11111111 11111111 11111110
标签: snowflake
原文地址：https://www.cnblogs.com/xichji/p/12208435.html
时间： 2024-08-30 16:30:15