©2020-2024 ioDraw All rights reserved
一 背景描述
1.1 问题产生
在分布式系统中，怎么使用全局唯一id？
在分布式是，微服务的架构中，或者大数据分库分表中，多个不同节点怎么保持每台机器生成的主键id不重复，具有唯一性？
* 方案1：mysql的自增主键； 设定一定的步长；如3台机器，3台节点初始值1,2,3，步长为3；机器A：1，4,7,10；机器B：2,5,8,11；
机器c：3,6,9,12
* 方案2：使用uuid，无序且生成的串比较长，与mysql官方建议尽量使用较短的字符串冲突
* 使用redis的原子性性产生主键，但是使用过程前期比较麻烦，需要搭建配置一堆东西。
这时，雪花算法是其中一个用于解决分布式 id 的高效方案，也是许多互联网公司在推荐使用的。
二 雪花算法
2.1 雪花算法
雪花算法：解决分布式高并发集群中，提供产生全局唯一的id，就是生成一个的 64 位比特位的 long 类型的唯一 id。
2.2 雪花算法的结构
最高 1 位固定值 0，因为生成的 id 是正整数，如果是 1 就是负数了。
接下来 41 位存储毫秒级时间戳，2^41/(1000*60*60*24*365)=69，大概可以使用 69 年。
再接下 10 位存储机器码，包括 5 位 datacenterId 和 5 位 workerId。最多可以部署 2^10=1024 台机器。
最后 12 位存储序列号。同一毫秒时间戳时，通过这个递增的序列号来区分。即对于同一台机器而言，同一毫秒时间戳下，可以生成 2^12=4096 个不重复 id。
2.3 雪花算法的使用
可以将雪花算法作为一个单独的服务进行部署，然后需要全局唯一 id 的系统，请求雪花算法服务获取 id 即可。例如机房号+机器号
，机器号+服务号，或者是其他可区别标识的 10 位比特位的整数值都行。
2.4 案例
2.5 工具类
package com.ljf.mscloud; import cn.hutool.core.lang.Snowflake; import
cn.hutool.core.net.NetUtil; import cn.hutool.core.util.IdUtil; import
lombok.extern.slf4j.Slf4j; import org.springframework.stereotype.Component;
import javax.annotation.PostConstruct; /** * @ClassName: IdGeneratorSnowflake *
@Description: TODO * @Author: liujianfu * @Date: 2023/01/27 08:55:30 *
@Version: V1.0 **/ @Slf4j @Component public class IdGeneratorSnowflake {
private long workerId = 0; //第几号机房 private long datacenterId = 1; //第几号机器
private Snowflake snowflake = IdUtil.createSnowflake(workerId, datacenterId);
@PostConstruct //构造后开始执行，加载初始化工作 public void init(){ try{ //获取本机的ip地址编码
workerId = NetUtil.ipv4ToLong(NetUtil.getLocalhostStr());
log.info("当前机器的workerId: " + workerId); }catch (Exception e){
e.printStackTrace(); log.warn("当前机器的workerId获取失败 ----> " + e); workerId =
NetUtil.getLocalhostStr().hashCode(); } } public synchronized long
snowflakeId(){ return snowflake.nextId(); } public synchronized long
snowflakeId(long workerId, long datacenterId){ Snowflake snowflake =
IdUtil.createSnowflake(workerId, datacenterId); return snowflake.nextId(); }
//测试 public static void main(String[] args) { System.out.println(new
IdGeneratorSnowflake().snowflakeId()); //1428025721380536320S
System.out.println("d:"+"1649650128035905536".length()); } }
2.6 优缺点
优点：
高并发分布式环境下生成不重复 id，每秒可生成百万个不重复 id。
基于时间戳，以及同一时间戳下序列号自增，基本保证 id 有序递增。
一般分布式ID只要求趋势递增，并不会严格要求递增，90%的需求都只要求趋势递增)
缺点：
服务器时钟回拨时可能会生成重复 id，解决办法：
百度开源的分布式唯一ID生成器UidGenerator
Leaf-- 美团点评分布式ID生成系统