雪花算法ID生成
一、雪花算法图解
相比UUID无序生成的id而言，雪花算法是有序的，而且都是由数字组成。雪花id最大为64位，符合java中long的长度64位，抛去一位符号位，那么最大为2^63。
二、雪花算法代码
import java.util.HashSet; import java.util.Set; /** * 雪花ID生成 * * @author Auler_zrl */ public class SnowflakeUtils { private static SnowflakeUtils snowflakeUtils = new SnowflakeUtils(); // 起始的时间戳 private final static long START_STMP = 1579305600000L;//毫秒时间戳41位转化成 // 每一部分占用的位数，就三个 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 // 每一部分最大值 private final static long MAX_DATACENTER_NUM = -1L ^ (-1L << DATACENTER_BIT);//支持的最大数据中心你id，结果是31 private final static long MAX_MACHINE_NUM = -1L ^ (-1L << MACHINE_BIT);//支持的最大机器id，结果是31 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;//数据标识id向左移17位(12+5) private final static long TIMESTMP_LEFT = DATACENTER_LEFT + DATACENTER_BIT;//时间截向左移22位(5+5+12) private long datacenterId = 0; // 数据中心[0, 2^DATACENTER_BIT) private long machineId = 0; // 机器标识[0, 2^MACHINE_BIT) private long sequence = 0L; // 毫秒内序列号(0~4095) private long lastStmp = -1L;// 上一次时间戳 //默认构造函数 public SnowflakeUtils() { } /** * !#zh * 构造函数(分布式每台机子每条线程都不一样参数) * * @param datacenterId 数据中心 * @param machineId 机器id */ public SnowflakeUtils(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 public String nextStrId() { return String.valueOf(nextId()); } //产生下一个ID public synchronized long nextId() { long currStmp = getNewstmp(); if (currStmp < lastStmp) { throw new RuntimeException("Clock moved backwards. Refusing to generate id"); } if (currStmp == lastStmp) { //if条件里表示当前调用和上一次调用落在了相同毫秒内，只能通过第三部分，序列号自增来判断为唯一，所以+1. sequence = (sequence + 1) & MAX_SEQUENCE; //同一毫秒的序列数已经达到最大，只能等待下一个毫秒 if (sequence == 0L) { currStmp = getNextMill(); } } else { //不同毫秒内，序列号置为0 //执行到这个分支的前提是currTimestamp > lastTimestamp，说明本次调用跟上次调用对比，已经不再同一个毫秒内了，这个时候序号可以重新回置0了。 sequence = 0L; } lastStmp = currStmp; //就是用相对毫秒数、机器ID和自增序号拼接 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 } /** * !#zh * 获取下一个毫秒 * * @return */ private long getNextMill() { long mill = getNewstmp(); while (mill <= lastStmp) { mill = getNewstmp(); } return mill; } private long getNewstmp() { return System.currentTimeMillis(); } /** * 测试 */ public static void main(String[] args) { Set<Long> set = new HashSet<>(); long st = System.currentTimeMillis(); for (int j = 0; j < 100000; j++) { long id = snowflakeUtils.nextId(); System.out.println(id); set.add(id); } long ed = System.currentTimeMillis(); System.out.println(set.size() + "time:" + (ed - st)); } }
三、精度丢失
对于雪花算法看似都没问题，但是在与前端交互的时候，由于long类型会在前端转化成Number类型，这里会导致精度丢失的情况。
即是long为64位，Number整数为53位,导致精度64位转化53位时，低位的数字会丢失（直接截断舍去）。
四、解决精度丢失问题
1、将63位的自增长id，转化成53位的id(为了转化javascript的number)
41位时间戳+12位序列号+10位工作机器编号（5个机器编号+5个数据中心）
1）将时间戳改为秒级别，2^10刚好是1024，这样产生id不是很多。
2）将10位工作编号舍去，刚好53位（这个适合单机模式）
3）12位序列号+10位机器号适当减少都可以，满足一定条件
2、将63位的long传给前台时转化成string格式
五、测试
41位时间戳+12位序列号+10位工作机器编号
41位时间戳+12位序列号+0位工作机器编号
六、总结
虽然测试结果没有理论上那么多，根据不同的主机性能会有不同结果。从结果上而言工作机器编号存在只是分布式所需，所以单机模式的时候可以无需机器编号，也可以相应的减少位数。
还有就是START_STAMP的大小也会影响生成id的位数，若设置为0，那么2100年，时间戳的位数就变为42位，那么就会导致超过long存储的最大值。
