一、概述
分布式 ID 生成算法的有很多种，Twitter 的 SnowFlake 就是其中经典的一种。
SnowFlake 算法生成 ID 的结果是一个 64bit 大小的整数，它的结构如下图：
- 1 位，不用。二进制中最高位为 1 的都是负数，但是我们生成的 id 一般都使用整数，所以这个最高位固定是 0。
- 41 位，用来记录时间戳（毫秒）。41 位可以表示 2^41 个数字；如果只用来表示正整数（计算机中正数包含 0），可以表示的数值范围是：0 至 2^41−1，也就是说 41 位可以表示 2^41 个毫秒的值，转化成单位年则是 2^41 / (1000 * 60 * 60 * 24 * 365) = 69年。
- 10 位，用来记录工作机器 id，可以部署在 2^10 = 1024个节点，包括 5 位 datacenterId 和 5 位 workerId ；5 位（bit）可以表示的最大正整数是2^5-1 = 31，即可以用 0、1、2、3、….31 这 32 个数字，来表示不同的 datecenterId 或 workerId。
- 12 位，序列号，用来记录同毫秒内产生的不同 id。12位（bit）可以表示的最大正整数是 2^12-1 =4095，即可以用 0、1、2、3、….4095 这 4096 个数字，来表示同一机器同一时间截（毫秒）内产生的 4096 个ID序号。
由于在 Java 中 64 bit 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。
SnowFlake 可以保证：
- 所有生成的 ID 按时间趋势递增；
- 整个分布式系统内不会产生重复id（因为有 datacenterId 和 workerId 来做区分）；
二、SnowFlake 算法的 JAVA 实现
public class SnowFlake {
/**
* 起始的时间戳
*/
private final static long START_STMP = 1480166465631L;
/**
* 每一部分占用的位数
*/
private final static long SEQUENCE_BIT = 12; //序列号占用的位数
private final static long MACHINE_BIT = 5; //机器标识占用的位数
private final static long DATACENTER_BIT = 5;//数据中心占用的位数
/**
* 每一部分的最大值
*/
private final static long MAX_DATACENTER_NUM = ~(-1L << DATACENTER_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 DATACENTER_LEFT = SEQUENCE_BIT + MACHINE_BIT;
private final static long TIMESTMP_LEFT = DATACENTER_LEFT + DATACENTER_BIT;
private long datacenterId; //数据中心
private long machineId; //机器标识
private long sequence = 0L; //序列号
private long lastStmp = -1L;//上一次时间戳
public SnowFlake(long datacenterId, long machineId) {
if (datacenterId > MAX_DATACENTER_NUM || datacenterId < 0) {
throw new IllegalArgumentException("datacenterId can't be greater than MAX_DATACENTER_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
*
* @return
*/
public synchronized long nextId() {
long currStmp = getNewstmp();
if (currStmp < lastStmp) {
throw new RuntimeException("Clock moved backwards. Refusing to generate id");
}
if (currStmp == lastStmp) {
//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) {
currStmp = getNextMill();
}
} else {
//不同毫秒内，序列号置为0
sequence = 0L;
}
lastStmp = currStmp;
return (currStmp - START_STMP) << TIMESTMP_LEFT //时间戳部分
| datacenterId << DATACENTER_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 = getNewstmp();
while (mill <= lastStmp) {
mill = getNewstmp();
}
return mill;
}
private long getNewstmp() {
return System.currentTimeMillis();
}
public static void main(String[] args) {
SnowFlake snowFlake = new SnowFlake(2, 3);
long start = System.currentTimeMillis();
for (int i = 0; i < 1000; i++) {
System.out.println(snowFlake.nextId());
}
System.out.println(System.currentTimeMillis() - start);
}
}
三、SnowFlake 算法的生产实践
通过前面的讲述我们知道 SnowFlake 算法能产生全局唯一 ID 主要是通过 5 位 datacenterId 和 5 位 workerId 来做区分，而在生产实践中，我们常常将机器 ID（hostid）来当成 datacenterId，将机器上运行的实例ID（pid）来当成 workerId。
如今的分布式部署都在强调无状态化，那么给每台机器绑定一个 hostid 显然不太现实，假设又是在容器化环境下，没有固定的 IP，并且容器实例每次重新启动后的唯一 ID 还不一致。综上，基于机器 ID 的思路不可行。所以经常的做法是，利用 ZK/Redis/DB 等作为一个全局的 datacenterId/workerId 发号器，由发号器来分配唯一的 datacenterId/workerId 。（可以参考百度分布式唯一 ID 生成器 UidGenerator）
四、SnowFlake 算法的问题思考
1. 时间回拨问题
由于机器的时间是动态的调整的，有可能会出现时间跑到之前几毫秒，如果这个时候获取到了这种时间，则会出现数据重复。
这个问题的解决方案是采用“历史时间”。在进程启动后，我们会将当前时间（实际处理采用了延迟10ms启动），作为该业务这台机器进程的时间戳中的起始时间字段，后续的自增是在序列号自增到最大值时，时间戳增 1，而序列号重新归为 0。
2. 机器 id 分配及回收
目前机器 id 需要每台机器不一样，这样的方式分配需要有方案进行处理，同时也要考虑，如果该机器宕机了，对应的 datacenterId/workerId 分配后的回收问题。
这个问题的解决方案是：每个实例启动，扩容，直接从 ZK/Redis/DB 等发号器取一个 id 作为 datacenterId/workerId，下线不销毁；并且维护一个活动节点队列，在地址空间耗尽的时候，指针指回队列头部，当分配的 id 存在于活动节点队列则跳过取下一个可用空间，达到复用原地址空间的目的。
