一 、聊聊ID生成常见的雪花几种策略

ID作为我们数据的唯一标识 ，具有不重复，算法生成式趋势递增的分布特点 。

如果ID不递增，原理数据插入会有性能问题 ，聊聊这个后面再聊 。雪花

1. MYSQL表自增ID：适合数据量不大的算法生成式业务场景
   ，数据量大的分布时候我们需要分库分表 ，这时候可能会出现ID重复问题 。原理
2. UUID ：字符串类型，聊聊唯一但不是雪花趋势递增 ，表意不强 。算法生成式
3. 雪花算法
   ：适合大数据量 ，分布唯一并且趋势递增。原理
4. Leaf ： 美团开源的分布式id生解决方案 ，属于中间件服务 ，需要独立部署  ，服务器贵这个就别考虑了。
5. Redis生成：使用redis的Incr命令，类似于mysql主键自增的方式，但它也要依赖外部服务。
6. 时间戳：System.currentTimeMillis()的方式，但是多节点情况下会出现相同的时间戳。

从成本及可靠性考虑，雪花算法是最佳之选
。

二丶雪花算法原理

雪花算法其实是对时间戳生成ID的方式的一种改进，通过64bit位生成long类型的唯一id，原理如下图：

雪花算法组成

1. 最高位标识id的正负 ，0-正，1-负 。
2. 41位时间戳
   ，存储毫秒级别的时间戳，2^41换成年来计算，最大能支持69年后的时间戳。
3. 10位机器标识 ，最多可以部署2^10=1024台机器
4. 12位自增序列同一毫秒时间戳下，可以生成2^12=4096个不重复 id。

三丶源码分析

package com.xiaojiang;nnimport java.util.Set;nimport java.util.TreeSet;nn/**n * @author xiaojiangn * @version 1.0n * @description 雪花算法ID生成器n * @date 2022/6/22n */npublic class SnowflakeIdGenerator { nn // 初始时间戳一般为服务的上线时间n private static final long INIT_EPOCH = 1656169263130L;nn // 最后一次时间戳 ，用来判断是否同一毫秒和服务器时钟回拨判断n private long lastTimeMillis = -1L;nn // 数据中心占用的比特位n private static final long DATA_CENTER_ID_BITS = 5L;n // 数据中心最大值31n // 0000000000000000000000000000000000000000000000000000000000011111n private static final long MAX_DATA_CENTER_ID = ~(-1L << DATA_CENTER_ID_BITS);n // datacenterIdn private long datacenterId;nn // workId占用的位数n private static final long WORKER_ID_BITS = 5L;n // workId占用5个比特位，最大值31n // 0000000000000000000000000000000000000000000000000000000000011111n private static final long MAX_WORKER_ID = ~(-1L << WORKER_ID_BITS);n // workIdn private long workerId;nn // 最后12位 ，代表每毫秒内可产生最大序列号，即 2^12 - 1 = 4095n private static final long SEQUENCE_BITS = 12L;n // 掩码（最低12位为1，高位都为0） ，主要用于与自增后的序列号进行位与，如果值为0，则代表自增后的序列号超过了4095n // 0000000000000000000000000000000000000000000000000000111111111111n private static final long SEQUENCE_MASK = ~(-1L << SEQUENCE_BITS);n // 同一毫秒内的最新序号 ，最大值可为 2^12 - 1 = 4095n private long sequence;nn // workId位需要左移的位数 12n private static final long WORK_ID_SHIFT = SEQUENCE_BITS;n // dataCenterId位需要左移的位数 12+5n private static final long DATA_CENTER_ID_SHIFT = SEQUENCE_BITS + WORKER_ID_BITS;n // 时间戳需要左移的位数 12+5+5n private static final long TIMESTAMP_SHIFT = SEQUENCE_BITS + WORKER_ID_BITS + DATA_CENTER_ID_BITS;nn public SnowflakeIdGenerator(long datacenterId, long workerId) { nn // 检查datacenterId的合法值n if (datacenterId < 0 || datacenterId > MAX_DATA_CENTER_ID) { n throw new IllegalArgumentException(n String.format("datacenterId值必须大于0并且小于%d", MAX_DATA_CENTER_ID));n }nn // 检查workId的合法值n if (workerId < 0 || workerId > MAX_WORKER_ID) { n throw new IllegalArgumentException(String.format("workId值必须大于0并且小于%d", MAX_WORKER_ID));n }nn this.workerId = workerId;n this.datacenterId = datacenterId;n }nn /**n * 通过雪花算法生成下一个id ，注意这里使用synchronized同步n *n * @return 唯一idn */n public synchronized long nextId() { nn long currentTimeMillis = System.currentTimeMillis();nn // 当前时间小于上一次生成id使用的时间，可能出现服务器时钟回拨问题n if (currentTimeMillis < lastTimeMillis) { n throw new RuntimeException(n String.format("可能出现服务器时钟回拨问题，请检查服务器时间 。当前服务器时间戳：%d ，上一次使用时间戳：%d", currentTimeMillis,n lastTimeMillis));n }ntt//还是在同一毫秒内，则将序列号递增1 ，序列号最大值为4095n if (currentTimeMillis == lastTimeMillis) { nn // 序列号的最大值是4095 ，使用掩码（最低12位为1 ，高位都为0）n //进行位与运行后如果值为0
，则自增后的序列号超过了4095n // 那么就使用新的时间戳n sequence = (sequence + 1) & SEQUENCE_MASK;n if (sequence == 0) { n currentTimeMillis = tilNextMillis(lastTimeMillis);n }nn } else { // 不在同一毫秒内，则序列号重新从0开始，序列号最大值为4095n sequence = 0;n }nn // 记录最后一次使用的毫秒时间戳n lastTimeMillis = currentTimeMillis;nn // 核心算法，将不同部分的数值移动到指定的位置
，然后进行或运行n return ((currentTimeMillis - INIT_EPOCH) << TIMESTAMP_SHIFT) n ttt| (datacenterId << DATA_CENTER_ID_SHIFT) n ttt| (workerId << WORK_ID_SHIFT) n ttt| sequence;n }nn /**n * 获取指定时间戳的接下来的时间戳，也可以说是下一毫秒n *n * @param lastTimeMillis 指定毫秒时间戳n * @return 时间戳n */n private long tilNextMillis(long lastTimeMillis) { n long currentTimeMillis = System.currentTimeMillis();n while (currentTimeMillis <= lastTimeMillis) { n currentTimeMillis = System.currentTimeMillis();n }n return currentTimeMillis;n }n}

重点讲一下这段代码

// 核心算法，将不同部分的数值移动到指定的位置，然后进行或运行n return ((currentTimeMillis - INIT_EPOCH) << TIMESTAMP_SHIFT) n ttt| (datacenterId << DATA_CENTER_ID_SHIFT) n ttt| (workerId << WORK_ID_SHIFT) n ttt| sequence;

举个栗子来说 ，我需要将9和5合成一个数。

9的二进制表示为1001 ，5的二进制表示为101  ，我们发现5的二进制占3位
，那么需要将9左边3位腾出位置来，9左移3位即为1001000 ，我们知道

0 | 1 = 1

1 | 1 = 1

0 | 0 = 0

9左移其实是用0往右边补齐3位，那么1001000 | 0000101 = 1001101 实现了两数合并，雪花算法同理使用了这种实现了时间戳+数据中心ID+机器ID+自增序列的位数合并。