## 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。其组成结构是：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。这里我们不考虑本地时间回退导致当前时间戳比上次时间戳小的问题，这种问题就不应该发生，也不属于程序应该解决的范畴。 ### 特点 1. 作为ID，全局唯一； 2. 自增，依赖时间戳生成，序列号有序递增； 3. 支持非常大的业务ID生成，最大支持2^10=1024个业务节点，同一个业务节点一毫秒最多生成2^12=4096个ID，41位毫秒级别时间可以使用((2^41 - 1)/(1000*60*60*24*365)=69.73)大约70年； 4. 实现简单，不依赖于其他第三方组件，不依赖外部数据源，甚至都不需要任何import。 ### 结构图 SnowflakeId是一个Long型的ID，64位，结构图如下： ![image.png](https://p1-juejin.byteimg.com/tos-cn-i-k3u1fbpfcp/40600865438d4dfcb73837dd3b9d663a~tplv-k3u1fbpfcp-watermark.image) 1. 第1位固定是0，表示正数； 2. 第2-42位表示时间戳，当前时间的时间戳减去开始时间的时间戳； 3. 服务节点ID，每个节点不同的值； 4. 毫秒内的序列号。 ## 实现原理清楚了结构以后，就很好实现了。 ### 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) << 22 ``` ### 10bit-工作机器ID 自定义的服务节点ID，固定的值，左移12位。 ``` workerId << 12 ``` ### 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，所以写不写都一样 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; } } ``` ## 补充为了计算高效，这里面运用了很多位运算，下面简单介绍一下。规则：1为真，0为否，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`