雪花算法（03）生成时间

前面的理论基础和位运算都了解了，下面我们来生成雪花算法的第一部分，也就是时间部分。时间部分的逻辑起始很简单，就是规定一个起始时间戳，然后用当前时间戳减去起始时间戳，这两个数的差就是我们要的结果。简单看一下代码逻辑：

我们规定的起始时间是 2015-01-01 00:00:00 ，然后获取当前时间，用当前时间减去起始时间，就是我们要的时间部分的数值。这个时候就有一个问题了，如果我们系统的时钟错了会不会有问题？会！所以要做判断！而且系统的时钟错误也是雪花算法的一个致命问题，所以要一定要保证服务器的系统时间正确。来看一下对时间戳的判断：

定义了一个变量LAST_TIME_STAMP记为上次id的生成时间，每次生成都标记一下，所以这个时间一定是递增的，如果系统时钟除了问题，那么直接报异常。这是对系统时间错误的一个判断和处理。

就这样时间部分就生成了，现在看看还是很简单的。现在我们再来看雪花算法的时间范围，由于时间共占有41位，所以时间的数字范围是有一个最大值的，写成2进制就是41个1，比如我们的起始时间是2015-01-01 00:00:00，时间戳是1420041600000L，把41个1转换成long类型数字，再加上这个时间戳数字，就是一个雪花算法最终的时间戳，转换成时间就是2084-09-06 15:47:35，也就是这个41位时间的雪花算法最长使用69年9个月6天零15小时47分35秒，不过对于一个项目来说，这样的限制不算限制，足足的够用了。

代码地址：https://gitee.com/blueses/snowflake-demo 03

原文地址：https://blog.51cto.com/12312563/2429513

时间： 2024-11-09 08:20:55

雪花算法（03）生成时间的相关文章

雪花算法解析 生成uuid

package com.grid.service; public class SnowflakeIdWorker { /** * 雪花算法解析 结构 snowflake的结构如下(每部分用-分开): * 0 - 0000000000 0000000000 0000000000 0000000000 0 - 00000 - 00000 - 000000000000 * 第一位为未使用,接下来的41位为毫秒级时间(41位的长度可以使用69年),然后是5位datacenterId和5位workerId

雪花算法中机器id保证全局唯一

关于分布式id的生成系统, 美团技术团队之前已经有写过一篇相关的文章, 详见 Leaf——美团点评分布式ID生成系统 通常在生产中会用Twitter开源的雪花算法来生成分布式主键 雪花算法中的核心就是机器id和数据中心id, 通常来说数据中心id可以在配置文件中配置, 通常一个服务集群可以共用一个配置文件, 而机器id如果也放在配置文件中维护的话, 每个应用就需要一个独立的配置, 难免也会出现机器id重复的问题 解决方案: 1. 通过启动参数去指定机器id, 但是这种方式也会有出错的可能性 2.

Java中SnowFlake 雪花算法生成全局唯一id中的问题，时间不连续全为偶数解决

package com.example.springbootshardingjdbc.util; import java.io.FileOutputStream; /** * 描述: Twitter的分布式自增ID雪花算法snowflake (Java版) * * @author * @create 2018-03-13 12:37 **/ public class SnowFlake { /** * 起始的时间戳 */ private final static long START_STMP

雪花算法生成一个id

package com.shopping.test; import java.text.SimpleDateFormat; import java.util.Date; /***** * 雪花算法根据时间戳生成有序的 64 bit 的 Long 类型的唯一 ID * * 各 bit 含义: * 1 bit: 符号位,0 是正数 1 是负数, ID 为正数,所以恒取 0 * 41 bit: 时间差,我们可以选择一个参考点,用它来计算与当前时间的时间差 (毫秒数),41 bit 存储时间差,足够使用

mybatis plus 主键生成 Twitter雪花算法 id 及修改id为字符型

mybatis plus配置主键生成策略为2,就是 使用Twitter雪花算法 生成id spring boot中配置为: GlobalConfiguration conf = new GlobalConfiguration(new LogicSqlInjector()); conf.setIdType(5); 这样生成的是long类型的,如果想把这个id 转为字符串类型,则配置主键生成策略为5就行了 https://gitee.com/baomidou/mybatis-plus/blob/de

生成唯一id写法，雪花算法

这个工具直接调用就可以了,用法和写法如下: 代码: 这个是雪花算法的写法: 1 public class SnowFlakeUtil { 2 3 /** 4 * 起始的时间戳 5 */ 6 private final static long START_STMP = 1480166465631L; 7 8 /** 9 * 每一部分占用的位数 10 */ 11 private final static long SEQUENCE_BIT = 12; //序列号占用的位数 12 private fi

分布式唯一ID生成算法-雪花算法

在我们的工作中,数据库某些表的字段会用到唯一的,趋势递增的订单编号,我们将介绍两种方法,一种是传统的采用随机数生成的方式,另外一种是采用当前比较流行的“分布式唯一ID生成算法-雪花算法”来实现. 一.时间戳随机数生成唯一ID 我们写一个for循环,用RandomUtil.generateOrderCode()生成1000个唯一ID,执行结果我们会发现出现重复的ID. /** * 随机数生成util **/ public class RandomUtil { private static fina

雪花算法(snowflake)delphi版

雪花算法简单描述: + 最高位是符号位,始终为0,不可用. + 41位的时间序列,精确到毫秒级,41位的长度可以使用69年.时间位还有一个很重要的作用是可以根据时间进行排序. + 10位的机器标识,10位的长度最多支持部署1024个节点. + 12位的计数序列号,序列号即一系列的自增id,可以支持同一节点同一毫秒生成多个ID序号,12位的计数序列号支持每个节点每毫秒产生4096个ID序号. 看的出来,这个算法很简洁也很简单,但依旧是一个很好的ID生成策略.其中,10位器标识符一般是5位IDC+5

雪花算法

雪花算法简单描述: 可以用在分布式框架最高位是符号位,始终为0,不可用. 41位的时间序列,精确到毫秒级,41位的长度可以使用69年.时间位还有一个很重要的作用是可以根据时间进行排序. 10位的机器标识,10位的长度最多支持部署1024个节点. 12位的计数序列号,序列号即一系列的自增id,可以支持同一节点同一毫秒生成多个ID序号,12位的计数序列号支持每个节点每毫秒产生4096个ID序号. 原文地址:https://www.cnblogs.com/inbeijing/p/10266120.ht