Java雪花算法的原理和实现方法
作者:goyeer
一、概述
分布式高并发的环境下,常见的就是12306节日订票,在大量用户同是抢购一个方向的票,毫秒级的时间下可能生成数万个订单,此时为确保生成订单ID的唯一性变得至关重要。此时秒杀环境下,不仅要保障ID唯一性,还得确保ID生成的优先度。
二、生成ID规则部分硬性要求
- 全局唯一:不能出现重复的ID号,既然是唯一标识,这是最基本的要求。
- 趋势递增:在MySQL的InnoDB引擎中适用的是聚集索引,由于多数RDBMS使用B+Tree的数据结构来存储索引数据,在主键的选择上我们尽量使用有序的主键保证写入性能。
- 单调递增:保证下一个ID一定大于上一个ID,如事务版本号、排序等特殊需求。
- 信息安全:如果ID是连续的,恶意用户的抓取工作就非常容易,直接按照顺序下载指定URL即可;如果是订单号就危险。
- 含有时间戳:生成的ID包含完整的时间戳信息。
三、ID号生成系统可用性要求
- 高可用:发一个获取分布式ID的请求,服务器就是保证99.9999%的情况下给我创建一个唯一分布式ID。
- 低延迟:发一个获取分布式ID的请求,服务器要快,极速。
- 高QPS:如果一次请求10万个分布式ID,服务器要顶住并成功创建10万个分布式ID。
四、解决分布式ID通用方案
4.1 UUID
UUID(Universally Unique Identifier)的标准型式包含32个16进制数字,以连字号分为五段,形式为:8-4-4-4-12的36个字符,示例:1E785B2B-111C-752A-997B-3346E7495CE2;UUID性能非常高,不依赖网络,本地生成。
UUID缺点:
无序,无法预测它的生成顺序,不能生成递增有序的数字。在MySql官方推荐主键约短越好,UUID是一个32位的字符串,所以不推荐使用。
索引,B+Tree索引的分裂
分布式Id是主键,主键是聚簇索引。Mysql的索引是B+Tree来实现的,每次新的UUID数据的插入,为了新的UUID数据的插入,为了查询的优化,都会对索引底部的B+Tree进行修改;因为UUID数据是无序的,所以每一次UUID数据的插入都会对主键的聚簇索引做很大的修改,在做数据Insert时,会插入主键是无序的,会导致一些中间节点的产生分裂,会导致大量不饱和的节点。这样大大降低了数据库插入的性能。
4.2 数据库自增主键
单机
在分布式里面,数据库的自增ID机制的主要原理是:数据库自增ID和MySql数据库的replace into实现的。
Replace into的含义是插入一条纪录,如果表中唯一索引的值遇到冲突,则替换老数据。
在单体应用的时候,自增长ID使用,但是在集群分布式应用中单体应用就不适合。
- 系统水平扩展比较困难,比如定义好了增长步长和机器台数之后,在大量添加服务器时,需要重新设置初始值,这样可操作性差,所以系统水平扩展方案复杂度高难以实现。
- 数据库压力大,每次获取ID都需要读写一次数据库,非常影响性能,不符合分布式ID里面的延迟低和要高QPS的规则(在高并发下,如果都去数据库里面获取Id,非常影响性能的。)
4.3 基于Redis生成全局id策略
在Redis集群情况下,同样和MySql一样需要设置不同的增长步长,同时key一定要设置有效期。可以使用Redis集群来获取更高的吞吐量。
五、SnowFlake(雪花算法)
而Twitter的SnowFlake解决了这种需求,最初Twitter把存储系统从MySQL迁移到Cassandra(由Facebook开发一套开源分布式NoSQL数据库系统) 因为Cassandra没有顺序ID生成机制,所以开发了这样一套全局唯一ID生成服务。SnowFlake每秒能产生26万个自增可排序的ID。
5.1 SnowFlake特点
- Twitter的SnowFlake生成ID能够按照时间有序生成。
- SnowFlake算法生成Id的结果是一个64bit大小的整数,为一个Long型(转换成字符串后长度最多19)。
- 分布式系统内不会产生ID碰撞(由datacenter和workerid作为区分)并且效率较高。
5.2 SnowFlake结构
5.3 雪花算法原理
雪花算法的原理就是生成一个的64位比特位的long类型的唯一id
- 最高1位固定值0,因为生成的id是正整数,如果是1就是负值。
- 紧接着是41位存储毫秒级时间戳,2^41/(1000 * 60 * 24 * 365) = 69 ,大概可以使用69年。
- 接下来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,同一毫秒级时间戳下,可以生成2^12=4096个不重复id。
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。
对于每一个雪花算法服务,需要先指定10位的机器码,这个根据自身业务进行设定即可。例如机房号+机器号,机器号+服务号,或者时其他区别标识的10位比特位的整数都行。
5.4 算法实现
package com.goyeer; import java.util.Date; public class SnowFlakeUtil { private static SnowFlakeUtil snowFlakeUtil; static { snowFlakeUtil = new SnowFlakeUtil(); } // 初始时间戳(纪年),可用雪花算法服务上线时间戳的值 // private static final long INIT_EPOCH = 1694263918335L; // 时间位取& private static final long TIME_BIT = 0b1111111111111111111111111111111111111111110000000000000000000000L; // 记录最后使用的毫秒时间戳,主要用于判断是否同一毫秒,以及用于服务器时钟回拨判断 private long lastTimeMillis = -1L; // dataCenterId占用的位数 private static final long DATA_CENTER_ID_BITS = 5L; // dataCenterId占用5个比特位,最大值31 // 0000000000000000000000000000000000000000000000000000000000011111 private static final long MAX_DATA_CENTER_ID = ~(-1L << DATA_CENTER_ID_BITS); // dataCenterId private long dataCenterId; // workId占用的位数 private static final long WORKER_ID_BITS = 5L; // workId占用5个比特位,最大值31 // 0000000000000000000000000000000000000000000000000000000000011111 private static final long MAX_WORKER_ID = ~(-1L << WORKER_ID_BITS); // workId private long workerId; // 最后12位,代表每毫秒内可产生最大序列号,即 2^12 - 1 = 4095 private static final long SEQUENCE_BITS = 12L; // 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4095 // 0000000000000000000000000000000000000000000000000000111111111111 private static final long SEQUENCE_MASK = ~(-1L << SEQUENCE_BITS); // 同一毫秒内的最新序号,最大值可为 2^12 - 1 = 4095 private long sequence; // workId位需要左移的位数 12 private static final long WORK_ID_SHIFT = SEQUENCE_BITS; // dataCenterId位需要左移的位数 12+5 private static final long DATA_CENTER_ID_SHIFT = SEQUENCE_BITS + WORKER_ID_BITS; // 时间戳需要左移的位数 12+5+5 private static final long TIMESTAMP_SHIFT = SEQUENCE_BITS + WORKER_ID_BITS + DATA_CENTER_ID_BITS; /** * 无参构造 */ public SnowFlakeUtil() { this(1, 1); } /** * 有参构造 * @param dataCenterId * @param workerId */ public SnowFlakeUtil(long dataCenterId, long workerId) { // 检查dataCenterId的合法值 if (dataCenterId < 0 || dataCenterId > MAX_DATA_CENTER_ID) { throw new IllegalArgumentException( String.format("dataCenterId 值必须大于 0 并且小于 %d", MAX_DATA_CENTER_ID)); } // 检查workId的合法值 if (workerId < 0 || workerId > MAX_WORKER_ID) { throw new IllegalArgumentException(String.format("workId 值必须大于 0 并且小于 %d", MAX_WORKER_ID)); } this.workerId = workerId; this.dataCenterId = dataCenterId; } /** * 获取唯一ID * @return */ public static Long getSnowFlakeId() { return snowFlakeUtil.nextId(); } /** * 通过雪花算法生成下一个id,注意这里使用synchronized同步 * @return 唯一id */ public synchronized long nextId() { long currentTimeMillis = System.currentTimeMillis(); System.out.println(currentTimeMillis); // 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 if (currentTimeMillis < lastTimeMillis) { throw new RuntimeException( 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, lastTimeMillis)); } if (currentTimeMillis == lastTimeMillis) { // 还是在同一毫秒内,则将序列号递增1,序列号最大值为4095 // 序列号的最大值是4095,使用掩码(最低12位为1,高位都为0)进行位与运行后如果值为0,则自增后的序列号超过了4095 // 那么就使用新的时间戳 sequence = (sequence + 1) & SEQUENCE_MASK; if (sequence == 0) { currentTimeMillis = getNextMillis(lastTimeMillis); } } 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4095 sequence = 0; } // 记录最后一次使用的毫秒时间戳 lastTimeMillis = currentTimeMillis; // 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 // <<:左移运算符, 1 << 2 即将二进制的 1 扩大 2^2 倍 // |:位或运算符, 是把某两个数中, 只要其中一个的某一位为1, 则结果的该位就为1 // 优先级:<< > | return // 时间戳部分 ((currentTimeMillis - INIT_EPOCH) << TIMESTAMP_SHIFT) // 数据中心部分 | (dataCenterId << DATA_CENTER_ID_SHIFT) // 机器表示部分 | (workerId << WORK_ID_SHIFT) // 序列号部分 | sequence; } /** * 获取指定时间戳的接下来的时间戳,也可以说是下一毫秒 * @param lastTimeMillis 指定毫秒时间戳 * @return 时间戳 */ private long getNextMillis(long lastTimeMillis) { long currentTimeMillis = System.currentTimeMillis(); while (currentTimeMillis <= lastTimeMillis) { currentTimeMillis = System.currentTimeMillis(); } return currentTimeMillis; } /** * 获取随机字符串,length=13 * @return */ public static String getRandomStr() { return Long.toString(getSnowFlakeId()); } /** * 从ID中获取时间 * @param id 由此类生成的ID * @return */ public static Date getTimeBySnowFlakeId(long id) { return new Date(((TIME_BIT & id) >> 22) + INIT_EPOCH); } public static void main(String[] args) { SnowFlakeUtil snowFlakeUtil = new SnowFlakeUtil(); long id = snowFlakeUtil.nextId(); System.out.println(id); Date date = SnowFlakeUtil.getTimeBySnowFlakeId(id); System.out.println(date); long time = date.getTime(); System.out.println(time); System.out.println(getRandomStr()); } }
5.5 雪花算法优点
- 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。
- 不依赖第三方库或者中间件。
- 算法简单,在内存中进行,效率高。
5.6 雪花算法缺点
依赖服务器时间,服务器时钟回拨时可能会生成重复 id。算法中可通过记录最后一个生成 id 时的时间戳来解决,每次生成 id 之前比较当前服务器时钟是否被回拨,避免生成重复 id。
六、总结
其实雪花算法每一部分占用的比特位数量并不是固定死的。例如你的业务可能达不到 69 年之久,那么可用减少时间戳占用的位数,雪花算法服务需要部署的节点超过1024 台,那么可将减少的位数补充给机器码用。
注意,雪花算法中 41 位比特位不是直接用来存储当前服务器毫秒时间戳的,而是需要当前服务器时间戳减去某一个初始时间戳值,一般可以使用服务上线时间作为初始时间戳值。
对于机器码,可根据自身情况做调整,例如机房号,服务器号,业务号,机器 IP 等都是可使用的。对于部署的不同雪花算法服务中,最后计算出来的机器码能区分开来即可。
以上就是Java雪花算法的原理和实现方法的详细内容,更多关于Java雪花算法的资料请关注脚本之家其它相关文章!