vlambda博客
学习文章列表

前言

无论是在分布式系统中的ID生成，还是在业务系统中请求流水号这一类唯一编号的生成，都是软件开发人员经常会面临的一场景。而雪花算法便是这些场景的一个解决方案。

以分布式ID为例，它的生成往往会在唯一性、递增性、高可用性、高性能等方面都有所要求。并且在业务处理时，还要防止爬虫根据ID的自增进行数据爬取。而雪花算法，在这些方面表现得都不错。

常见分布式ID生成

市面上比较常见的分布式ID生成算法及类库：

UUID：Java自带API，生成一串唯一随机36位字符串（32个字符串+4个“-”）。可以保证唯一性，但可读性差，无法有序递增。

UidGenerator：百度开源的分布式ID生成器，基于雪花算法。GitHub参考链接：https://github.com/baidu/uid-generator/blob/master/README.zh_cn.md 。该项目的说明文档及测试案例都值得深入学习一下。

Leaf：美团开源的分布式ID生成器，能保证全局唯一，趋势递增，但需要依赖关系数据库、Zookeeper等中间件。相关实现可参考该文：https://tech.meituan.com/2017/04/21/mt-leaf.html 。

雪花算法

雪花（snowflake），美丽、独特又变幻莫测。在大自然中几乎找不到两片完全一样的雪花。雪花的这些特性正好在雪花算法上有所展示。

SnowFlake算法是Twitter开源的分布式ID生成算法。核心思想就是：使用一个64 bit的 long 型的数字作为全局唯一ID。算法中还引入了时间戳，基本上保证了自增特性。

最初的版本的雪花算法是基于scala写的，当然，不同的编程语言都可以根据其算法逻辑进行实现。

雪花算法原理

SnowFlake算法生成ID的结果是一个64bit大小的整数，结构如下图：

算法解析：

• 第一个部分：1个bit，无意义，固定为0。二进制中最高位是符号位，1表示负数，0表示正数。ID都是正整数，所以固定为0。
• 第二个部分：41个bit，表示时间戳，精确到毫秒，可以使用69年。时间戳带有自增属性。
• 第三个部分：10个bit，表示10位的机器标识，最多支持1024个节点。此部分也可拆分成5位datacenterId和5位workerId，datacenterId表示机房ID，workerId表示机器ID。
• 第四部分：12个bit，表示序列化，即一些列的自增ID，可以支持同一节点同一毫秒生成最多4095个ID序号。

由于在Java中64bit的整数是long类型，所以在Java中SnowFlake算法生成的id就是long来存储的。

雪花算法Java实现

雪花算法Java工具类实现：

public class SnowFlake {

 /**
  * 起始的时间戳（可设置当前时间之前的邻近时间）
  */
 private final static long START_STAMP = 1480166465631L;

 /**
  * 序列号占用的位数
  */
 private final static long SEQUENCE_BIT = 12;
 /**
  * 机器标识占用的位数
  */
 private final static long MACHINE_BIT = 5;
 /**
  * 数据中心占用的位数
  */
 private final static long DATA_CENTER_BIT = 5;

 /**
  * 每一部分的最大值
  */
 private final static long MAX_DATA_CENTER_NUM = ~(-1L << DATA_CENTER_BIT);
 private final static long MAX_MACHINE_NUM = ~(-1L << MACHINE_BIT);
 private final static long MAX_SEQUENCE = ~(-1L << SEQUENCE_BIT);

 /**
  * 每一部分向左的位移
  */
 private final static long MACHINE_LEFT = SEQUENCE_BIT;
 private final static long DATA_CENTER_LEFT = SEQUENCE_BIT + MACHINE_BIT;
 private final static long TIMESTAMP_LEFT = DATA_CENTER_LEFT + DATA_CENTER_BIT;

 /**
  * 数据中心ID(0~31)
  */
 private final long dataCenterId;
 /**
  * 工作机器ID(0~31)
  */
 private final long machineId;
 /**
  * 毫秒内序列(0~4095)
  */
 private long sequence = 0L;
 /**
  * 上次生成ID的时间截
  */
 private long lastStamp = -1L;

 public SnowFlake(long dataCenterId, long machineId) {
  if (dataCenterId > MAX_DATA_CENTER_NUM || dataCenterId < 0) {
   throw new IllegalArgumentException("dataCenterId can't be greater than MAX_DATA_CENTER_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 synchronized long nextId() {
  long currStamp = getNewStamp();
  if (currStamp < lastStamp) {
   throw new RuntimeException("Clock moved backwards.  Refusing to generate id");
  }

  if (currStamp == lastStamp) {
   //相同毫秒内，序列号自增
   sequence = (sequence + 1) & MAX_SEQUENCE;
   //同一毫秒的序列数已经达到最大
   if (sequence == 0L) {
    //阻塞到下一个毫秒,获得新的时间戳
    currStamp = getNextMill();
   }
  } else {
   //不同毫秒内，序列号置为0
   sequence = 0L;
  }

  lastStamp = currStamp;

  // 移位并通过或运算拼到一起组成64位的ID
  return (currStamp - START_STAMP) << TIMESTAMP_LEFT //时间戳部分
    | dataCenterId << DATA_CENTER_LEFT       //数据中心部分
    | machineId << MACHINE_LEFT             //机器标识部分
    | sequence;                             //序列号部分
 }

 private long getNextMill() {
  long mill = getNewStamp();
  while (mill <= lastStamp) {
   mill = getNewStamp();
  }
  return mill;
 }

 private long getNewStamp() {
  return System.currentTimeMillis();
 }

 public static void main(String[] args) {
  SnowFlake snowFlake = new SnowFlake(11, 11);

  long start = System.currentTimeMillis();
  for (int i = 0; i < 10; i++) {
   System.out.println(snowFlake.nextId());
  }

  System.out.println(System.currentTimeMillis() - start);
 }
}

上述代码中，在算法的核心方法上，通过加synchronized锁来保证线程安全。这样，同一服务器线程是安全的，生成的ID不会出现重复，而不同服务器由于机器码不同，就算同一时刻两台服务器都产生了雪花ID，结果也是不一样的。

其他问题

41位时间戳最长只能有69年

下面来用程序推算一下，41位时间戳为什么只能支持69年。

41的二进制，最大值也就41位都是1，也就是说41位可以表示2^{41}-1个毫秒的值，转化成单位年则是(2^{41}-1) / (1000 * 60 * 60 * 24 *365) = 69年。

通过代码验证一下：

public static void main(String[] args) {
   //41位二进制最小值
   String minTimeStampStr = "00000000000000000000000000000000000000000";
   //41位二进制最大值
   String maxTimeStampStr = "11111111111111111111111111111111111111111";
   //转10进制
   long minTimeStamp = new BigInteger(minTimeStampStr, 2).longValue();
   long maxTimeStamp = new BigInteger(maxTimeStampStr, 2).longValue();
   //一年总共多少毫秒
   long oneYearMills = 1L * 1000 * 60 * 60 * 24 * 365;
   //算出最大可以多少年
   System.out.println((maxTimeStamp - minTimeStamp) / oneYearMills);
}

所以，雪花算法生成的ID只能保证69年内不会重复，如果超过69年的话，那就考虑换个服务器（服务器ID）部署，并且要保证该服务器的ID和之前都没有重复过。

前后端数值类型

在使用雪花算法时，由于生成的ID是64位，在传递给前端时，需要考虑以字符串的类型进行传递，否则可能会导致前端类型溢出，再回传到服务器时已经变成另外一个值。

这是因为Number类型的ID在JS中最大只支持53位，直接将雪花算法的生成的ID传递给JS，会导致溢出。

小结

生成唯一性ID（其他数据）是几乎在每个系统中都会有的场景，对其生成算法不仅要保证全局唯一性、趋势递增性，还要保证信息安全（比如被爬取数据），同时还要保证算法的高可用性（QPS、可行5个9、平均延时、TP999等指标）。这就对ID生成的算法有一定的要求，而雪花算法算是一个不错的选择。

但它也是有一定的缺点的，比如强依赖机器时钟，如果机器上的时钟回拨，会导致重复或服务不可用的问题，这也是我们在使用时需要注意的事项。