【雪花算法】生成|九位数|十位数|用户ID

文章目录

• 雪花算法生成用户id
• • 雪花算法
  • 雪花算法工具类代码
  • 生成9位数或10位数用户id

雪花算法生成用户id

雪花算法

• 在分布式系统中的应用十分广泛，且ID 引入了时间戳，基本上保持自增的

• SnowFlake算法生成的结果是一个64bit大小的整数(java种的long型可)，它的结构如下图：

    图片来源网络
  

• 最高位为0，表示正数

• 图示41位：表示时间戳

  • 可以表示2的41次方-1个
  • 数字数值范围是：0 至 2^41 - 1
  • 也就是说41位可以表示 (2^41 -1) / (1000 * 60 * 60 * 24 * 365) = 69年

• 图示10位：表示工作机器id

  ​ ○ 可以部署在2^10 = 1024个节点，包括 5位datacenterId（数据中心ID） 和 5位workerId(机器ID) )
  ​ ○ 5位（bit）可以表示的最大正整数是2^5 -1 = 31，即可以用0、1、2、3、…31这32个数字，来表示不同的datecenterId或workerId

• 图示12位序列号：

  ○ 12位（bit）可以表示的最大正整数是2^12 -1 = 4095，即可以用0、1、2、3、…4094这4095个数字，来表示同一机器同一时间截（毫秒)内产生的4095个ID序号

  • 这个是用来记录同一个毫秒内产生的不同 id。

  • 这个算法可以保证说，一个机房的一台机器上，在同一毫秒内，生成了一个唯一的 id。可能一个毫秒内会生成多个 id，但是有最后 12 个 bit 的序号来区分开来。

  • 当前这台机房的这台机器上这一毫秒内，这是第几个请求，给这次生成 id 的请求累加一个序号，作为最后的 12 个 bit。

雪花算法工具类代码

• pom.xml

<dependency><groupId>cn.hutoolgroupId><artifactId>hutool-allartifactId><version>5.3.10version>
dependency>

import org.apache.commons.lang3.RandomUtils;
import org.apache.commons.lang3.StringUtils;
import org.apache.commons.lang3.SystemUtils;
import java.net.Inet4Address;
import java.net.UnknownHostException;
/*** Twitter_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 SnowflakeIdWorker {// ==============================Fields===========================================/** 开始时间截 (2021-12-16) */private final long twepoch = 1639654054000L;/** 机器id所占的位数 */private final long workerIdBits = 5L;/** 数据标识id所占的位数 */private final long dataCenterIdBits = 5L;/** 支持的最大机器id，结果是31 (这个移位算法可以很快的计算出几位二进制数所能表示的最大十进制数) */private final long maxWorkerId = -1L ^ (-1L << workerIdBits);/** 支持的最大数据标识id，结果是31 */private final long maxDataCenterId = -1L ^ (-1L << dataCenterIdBits);/** 序列在id中占的位数 */private final long sequenceBits = 12L;/** 机器ID向左移12位 */private final long workerIdShift = sequenceBits;/** 数据标识id向左移17位(12+5) */private final long dataCenterIdShift = sequenceBits + workerIdBits;/** 时间截向左移22位(5+5+12) */private final long timestampLeftShift = sequenceBits + workerIdBits + dataCenterIdBits;/** 生成序列的掩码，这里为4095 (0b111111111111=0xfff=4095) */private final long sequenceMask = -1L ^ (-1L << sequenceBits);/** 工作机器ID(0~31) */private long workerId;/** 数据中心ID(0~31) */private long dataCenterId;/** 毫秒内序列(0~4095) */private long sequence = 0L;/** 上次生成ID的时间截 */private long lastTimestamp = -1L;private static SnowflakeIdWorker idWorker;static {idWorker = new SnowflakeIdWorker(getWorkId(),getDataCenterId());}//==============================Constructors=====================================/*** 构造函数* @param workerId 工作ID (0~31)* @param dataCenterId 数据中心ID (0~31)*/public SnowflakeIdWorker(long workerId, long dataCenterId) {if (workerId > maxWorkerId || workerId < 0) {throw new IllegalArgumentException(String.format("workerId can't be greater than %d or less than 0", maxWorkerId));}if (dataCenterId > maxDataCenterId || dataCenterId < 0) {throw new IllegalArgumentException(String.format("dataCenterId can't be greater than %d or less than 0", maxDataCenterId));}this.workerId = workerId;this.dataCenterId = dataCenterId;}// ==============================Methods==========================================/*** 获得下一个ID (该方法是线程安全的)* @return SnowflakeId*/public synchronized long nextId() {long timestamp = timeGen();//如果当前时间小于上一次ID生成的时间戳，说明系统时钟回退过这个时候应当抛出异常if (timestamp < lastTimestamp) {throw new RuntimeException(String.format("Clock moved backwards.  Refusing to generate id for %d milliseconds", lastTimestamp - timestamp));}//如果是同一时间生成的，则进行毫秒内序列if (lastTimestamp == timestamp) {sequence = (sequence + 1) & sequenceMask;//毫秒内序列溢出if (sequence == 0) {//阻塞到下一个毫秒,获得新的时间戳timestamp = tilNextMillis(lastTimestamp);}}//时间戳改变，毫秒内序列重置else {sequence = 0L;}//上次生成ID的时间截lastTimestamp = timestamp;//移位并通过或运算拼到一起组成64位的IDreturn ((timestamp - twepoch) << timestampLeftShift)| (dataCenterId << dataCenterIdShift)| (workerId << workerIdShift)| sequence;}/*** 阻塞到下一个毫秒，直到获得新的时间戳* @param lastTimestamp 上次生成ID的时间截* @return 当前时间戳*/protected long tilNextMillis(long lastTimestamp) {long timestamp = timeGen();while (timestamp <= lastTimestamp) {timestamp = timeGen();}return timestamp;}/*** 返回以毫秒为单位的当前时间* @return 当前时间(毫秒)*/protected long timeGen() {return System.currentTimeMillis();}private static Long getWorkId(){try {String hostAddress = Inet4Address.getLocalHost().getHostAddress();int[] ints = StringUtils.toCodePoints(hostAddress);int sums = 0;for(int b : ints){sums += b;}return (long)(sums % 32);} catch (UnknownHostException e) {// 如果获取失败，则使用随机数备用return RandomUtils.nextLong(0,31);}}private static Long getDataCenterId(){int[] ints = StringUtils.toCodePoints(SystemUtils.getHostName());int sums = 0;for (int i: ints) {sums += i;}return (long)(sums % 32);}/*** 静态工具类** @return*/public static synchronized Long generateId(){long id = idWorker.nextId();return id;}
}

生成9位数或10位数用户id

• 这里的id满足小于1999999999

代码：

//生成idpublic static Integer generateId(){long id = SnowflakeIdWorker.generateId();//得到id 很长且高位很长部分是一样的数StringBuilder sb=new StringBuilder(id+"");StringBuilder reverse = sb.reverse();//将id翻转：我们发现id很长，且高位很长部分是一样的数id=new Long(reverse.toString())/1000;//切去部分长度while(id>1999999999){//1999999999以内的10位或9位或8位id;....id/=10;}Integer _id_ = Integer.parseInt(id+"");return _id_;} 

• 注意

  • 有可能会出现重复，但是概率极低极低

  • 我们借助redis的位图来得到唯一的id，当然大家可以通过自己的方式来进一步去重，但是上面的算法基本上是不会出现重复的id的。

  • redis判断标准:

  • 可以获取位图指定偏移量（下标）上的二进制位的值

  • getbit userid 2285096803 #结果返回1表示存在，返回0表示不存在，生成id后再setbit userid id 1即可；
    #O(1)时间复杂度
    

本文来自互联网用户投稿，文章观点仅代表作者本人，不代表本站立场，不承担相关法律责任。如若转载，请注明出处。 如若内容造成侵权/违法违规/事实不符，请点击【内容举报】进行投诉反馈！