详解Twitter开源分布式自增ID算法snowflake(附演算验证过程)

详解Twitter开源分布式自增ID算法snowflake，附演算验证过程

2017年01月22日 14:44:40

url: http://blog.csdn.net/li396864285/article/details/54668031

1.snowflake简介

        互联网快速发展的今天，分布式应用系统已经见怪不怪，在分布式系统中，我们需要各种各样的ID，既然是ID那么必然是要保证全局唯一，除此之外，不同当业务还需要不同的特性，比如像并发巨大的业务要求ID生成效率高，吞吐大；比如某些银行类业务，需要按每日日期制定交易流水号；又比如我们希望用户的ID是随机的，无序的，纯数字的，且位数长度是小于10位的。等等，不同的业务场景需要的ID特性各不一样，于是，衍生了各种ID生成器，但大多数利用数据库控制ID的生成，性能受数据库并发能力限制，那么有没有一款不需要依赖任何中间件（如数据库，分布式缓存服务等）的ID生成器呢？本着取之于开源，用之于开源的原则，今天，特此介绍Twitter开源的一款分布式自增ID算法snowflake，并附上算法原理推导和演算过程！

snowflake算法是一款本地生成的（ID生成过程不依赖任何中间件，无网络通信），保证ID全局唯一，并且ID总体有序递增，性能每秒生成300w＋。

2.snowflake算法原理

snowflake生产的ID二进制结构表示如下(每部分用-分开):

0 - 00000000 00000000 00000000 00000000 00000000 0 - 00000 - 00000 - 00000000 0000

第一位未使用，接下来的41位为毫秒级时间(41位的长度可以使用69年，从1970-01-01 08:00:00)，然后是5位datacenterId（最大支持2^5＝32个，二进制表示从00000-11111，也即是十进制0-31），和5位workerId（最大支持2^5＝32个，原理同datacenterId），所以datacenterId*workerId最多支持部署1024个节点，最后12位是毫秒内的计数（12位的计数顺序号支持每个节点每毫秒产生2^12＝4096个ID序号）.

所有位数加起来共64位，恰好是一个Long型（转换为字符串长度为18）.

单台机器实例，通过时间戳保证前41位是唯一的，分布式系统多台机器实例下，通过对每个机器实例分配不同的datacenterId和workerId避免中间的10位碰撞。最后12位每毫秒从0递增生产ID，再提一次：每毫秒最多生成4096个ID，每秒可达4096000个。理论上，只要CPU计算能力足够，单机每秒可生产400多万个，实测300w+，效率之高由此可见。

（该节改编自：http://www.cnblogs.com/relucent/p/4955340.html）

3.snowflake算法源码（java版）

[java] view plain copy

1. @ToString  
2. @Slf4j  
3. public class SnowflakeIdFactory {  
4.   
5.     private final long twepoch = 1288834974657L;  
6.     private final long workerIdBits = 5L;  
7.     private final long datacenterIdBits = 5L;  
8.     private final long maxWorkerId = -1L ^ (-1L << workerIdBits);  
9.     private final long maxDatacenterId = -1L ^ (-1L << datacenterIdBits);  
10.     private final long sequenceBits = 12L;  
11.     private final long workerIdShift = sequenceBits;  
12.     private final long datacenterIdShift = sequenceBits + workerIdBits;  
13.     private final long timestampLeftShift = sequenceBits + workerIdBits + datacenterIdBits;  
14.     private final long sequenceMask = -1L ^ (-1L << sequenceBits);  
15.   
16.     private long workerId;  
17.     private long datacenterId;  
18.     private long sequence = 0L;  
19.     private long lastTimestamp = -1L;  
20.   
21.   
22.   
23.     public SnowflakeIdFactory(long workerId, long datacenterId) {  
24.         if (workerId > maxWorkerId || workerId < 0) {  
25.             throw new IllegalArgumentException(String.format("worker Id can't be greater than %d or less than 0", maxWorkerId));  
26.         }  
27.         if (datacenterId > maxDatacenterId || datacenterId < 0) {  
28.             throw new IllegalArgumentException(String.format("datacenter Id can't be greater than %d or less than 0", maxDatacenterId));  
29.         }  
30.         this.workerId = workerId;  
31.         this.datacenterId = datacenterId;  
32.     }  
33.   
34.     public synchronized long nextId() {  
35.         long timestamp = timeGen();  
36.         if (timestamp < lastTimestamp) {  
37.             //服务器时钟被调整了,ID生成器停止服务.  
38.             throw new RuntimeException(String.format("Clock moved backwards.  Refusing to generate id for %d milliseconds", lastTimestamp - timestamp));  
39.         }  
40.         if (lastTimestamp == timestamp) {  
41.             sequence = (sequence + 1) & sequenceMask;  
42.             if (sequence == 0) {  
43.                 timestamp = tilNextMillis(lastTimestamp);  
44.             }  
45.         } else {  
46.             sequence = 0L;  
47.         }  
48.   
49.         lastTimestamp = timestamp;  
50.         return ((timestamp - twepoch) << timestampLeftShift) | (datacenterId << datacenterIdShift) | (workerId << workerIdShift) | sequence;  
51.     }  
52.   
53.     protected long tilNextMillis(long lastTimestamp) {  
54.         long timestamp = timeGen();  
55.         while (timestamp <= lastTimestamp) {  
56.             timestamp = timeGen();  
57.         }  
58.         return timestamp;  
59.     }  
60.   
61.     protected long timeGen() {  
62.         return System.currentTimeMillis();  
63.     }  
64.   
65.     public static void testProductIdByMoreThread(int dataCenterId, int workerId, int n) throws InterruptedException {  
66.         List<Thread> tlist = new ArrayList<>();  
67.         Set<Long> setAll = new HashSet<>();  
68.         CountDownLatch cdLatch = new CountDownLatch(10);  
69.         long start = System.currentTimeMillis();  
70.         int threadNo = dataCenterId;  
71.         Map<String,SnowflakeIdFactory> idFactories = new HashMap<>();  
72.         for(int i=0;i<10;i++){  
73.             //用线程名称做map key.  
74.             idFactories.put("snowflake"+i,new SnowflakeIdFactory(workerId, threadNo++));  
75.         }  
76.         for(int i=0;i<10;i++){  
77.             Thread temp =new Thread(new Runnable() {  
78.                 @Override  
79.                 public void run() {  
80.                     Set<Long> setId = new HashSet<>();  
81.                     SnowflakeIdFactory idWorker = idFactories.get(Thread.currentThread().getName());  
82.                     for(int j=0;j<n;j++){  
83.                         setId.add(idWorker.nextId());  
84.                     }  
85.                     synchronized (setAll){  
86.                         setAll.addAll(setId);  
87.                         log.info("{}生产了{}个id,并成功加入到setAll中.",Thread.currentThread().getName(),n);  
88.                     }  
89.                     cdLatch.countDown();  
90.                 }  
91.             },"snowflake"+i);  
92.             tlist.add(temp);  
93.         }  
94.         for(int j=0;j<10;j++){  
95.             tlist.get(j).start();  
96.         }  
97.         cdLatch.await();  
98.   
99.         long end1 = System.currentTimeMillis() - start;  
100.   
101.         log.info("共耗时:{}毫秒,预期应该生产{}个id, 实际合并总计生成ID个数:{}",end1,10*n,setAll.size());  
102.   
103.     }  
104.   
105.     public static void testProductId(int dataCenterId, int workerId, int n){  
106.         SnowflakeIdFactory idWorker = new SnowflakeIdFactory(workerId, dataCenterId);  
107.         SnowflakeIdFactory idWorker2 = new SnowflakeIdFactory(workerId+1, dataCenterId);  
108.         Set<Long> setOne = new HashSet<>();  
109.         Set<Long> setTow = new HashSet<>();  
110.         long start = System.currentTimeMillis();  
111.         for (int i = 0; i < n; i++) {  
112.             setOne.add(idWorker.nextId());//加入set  
113.         }  
114.         long end1 = System.currentTimeMillis() - start;  
115.         log.info("第一批ID预计生成{}个,实际生成{}个<<<<*>>>>共耗时:{}",n,setOne.size(),end1);  
116.   
117.         for (int i = 0; i < n; i++) {  
118.             setTow.add(idWorker2.nextId());//加入set  
119.         }  
120.         long end2 = System.currentTimeMillis() - start;  
121.         log.info("第二批ID预计生成{}个,实际生成{}个<<<<*>>>>共耗时:{}",n,setTow.size(),end2);  
122.   
123.         setOne.addAll(setTow);  
124.         log.info("合并总计生成ID个数:{}",setOne.size());  
125.   
126.     }  
127.   
128.     public static void testPerSecondProductIdNums(){  
129.         SnowflakeIdFactory idWorker = new SnowflakeIdFactory(1, 2);  
130.         long start = System.currentTimeMillis();  
131.         int count = 0;  
132.         for (int i = 0; System.currentTimeMillis()-start<1000; i++,count=i) {  
133.             /**  测试方法一: 此用法纯粹的生产ID,每秒生产ID个数为300w+ */  
134.             idWorker.nextId();  
135.             /**  测试方法二: 在log中打印,同时获取ID,此用法生产ID的能力受限于log.error()的吞吐能力. 
136.              * 每秒徘徊在10万左右. */  
137.             //log.error("{}",idWorker.nextId());  
138.         }  
139.         long end = System.currentTimeMillis()-start;  
140.         System.out.println(end);  
141.         System.out.println(count);  
142.     }  
143.   
144.     public static void main(String[] args) {  
145.         /** case1: 测试每秒生产id个数? 
146.          *   结论: 每秒生产id个数300w+ */  
147.         //testPerSecondProductIdNums();  
148.   
149.         /** case2: 单线程-测试多个生产者同时生产N个id,验证id是否有重复? 
150.          *   结论: 验证通过,没有重复. */  
151.         //testProductId(1,2,10000);//验证通过!  
152.         //testProductId(1,2,20000);//验证通过!  
153.   
154.         /** case3: 多线程-测试多个生产者同时生产N个id, 全部id在全局范围内是否会重复? 
155.          *   结论: 验证通过,没有重复. */  
156.         try {  
157.             testProductIdByMoreThread(1,2,100000);//单机测试此场景,性能损失至少折半!  
158.         } catch (InterruptedException e) {  
159.             e.printStackTrace();  
160.         }  
161.   
162.     }  
163. }  

测试用例：

/** case1: 测试每秒生产id个数?
 *   结论: 每秒生产id个数300w+ */
//testPerSecondProductIdNums();

/** case2: 单线程-测试多个生产者同时生产N个id,验证id是否有重复?
 *   结论: 验证通过,没有重复. */
//testProductId(1,2,10000);//验证通过!
//testProductId(1,2,20000);//验证通过!

/** case3: 多线程-测试多个生产者同时生产N个id, 全部id在全局范围内是否会重复?
 *   结论: 验证通过,没有重复. */
try {
    testProductIdByMoreThread(1,2,100000);//单机测试此场景,性能损失至少折半!
} catch (InterruptedException e) {
    e.printStackTrace();
}

4.snowflake算法推导和演算过程

说明：

演算使用的对象实例：SnowflakeIdFactory idWorker = new SnowflakeIdFactory(1, 2);

运行时数据workerId＝1，datacenterId＝2，分别表示机器实例的生产者编号，数据中心编号；

sequence＝0表示每毫秒生产ID从0开始计数递增；

以下演算基于时间戳＝1482394743339时刻进行推导。

一句话描述：以下演算模拟了1482394743339这一毫秒时刻，workerId＝1，datacenterId＝2的id生成器，生产第一个id的过程。

（图片原创，转载请注明出处，画图不易，谢谢！）

end！

参考

https://github.com/twitter/snowflake

http://www.cnblogs.com/relucent/p/4955340.html 

Twitter Snowflake算法详解

2016年10月09日 19:48:56

url: http://blog.csdn.net/yangding_/article/details/52768906

一、简介

Twitter Snowflake算法是用来在分布式场景下生成唯一ID的。

举个栗子：我们有10台分布式MySql服务器，我们的系统每秒能生成10W条数据插入到这10台机器里，现在我们需要为每一条数据生成一个全局唯一的ID， 并且这些 ID 有大致的顺序。

二、算法图解

如图：最后生成的ID是一个long类型，long占64bit，符号位占1位，剩下63位，我们将这63位拆分成4段，就可以表示：某一毫秒内的某一集群内的某一机器的第几个ID。

有人会问：为什么时间戳要占41位？sequence要占12位？而其他两个要各占5位？ 
答：这是根据具体需求来分的，你也可以自己再去将这63为重新拆分。例如：sequence占12位就可以在同一毫秒内的同一集群的同一机器上同时有2^12 - 1 个线程。

三、快快上码

public class IdWorker {     protected static final Logger LOG = LoggerFactory.getLogger(IdWorker.class);     private long workerId;    private long datacenterId;    private long sequence = 0L;     private long twepoch = 1288834974657L;     private long workerIdBits = 5L;    private long datacenterIdBits = 5L;    private long maxWorkerId = -1L ^ (-1L << workerIdBits);    private long maxDatacenterId = -1L ^ (-1L << datacenterIdBits);    private long sequenceBits = 12L;     private long workerIdShift = sequenceBits;    private long datacenterIdShift = sequenceBits + workerIdBits;    private long timestampLeftShift = sequenceBits + workerIdBits + datacenterIdBits;    private long sequenceMask = -1L ^ (-1L << sequenceBits);     private long lastTimestamp = -1L;     public IdWorker(long workerId, long datacenterId) {        // sanity check for workerId        if (workerId > maxWorkerId || workerId < 0) {            throw new IllegalArgumentException(String.format("worker Id can't be greater than %d or less than 0", maxWorkerId));        }        if (datacenterId > maxDatacenterId || datacenterId < 0) {            throw new IllegalArgumentException(String.format("datacenter Id can't be greater than %d or less than 0", maxDatacenterId));        }        this.workerId = workerId;        this.datacenterId = datacenterId;        LOG.info(String.format("worker starting. timestamp left shift %d, datacenter id bits %d, worker id bits %d, sequence bits %d, workerid %d", timestampLeftShift, datacenterIdBits, workerIdBits, sequenceBits, workerId));    }     public synchronized long nextId() {        long timestamp = timeGen();         if (timestamp < lastTimestamp) {            LOG.error(String.format("clock is moving backwards.  Rejecting requests until %d.", lastTimestamp));            throw new RuntimeException(String.format("Clock moved backwards.  Refusing to generate id for %d milliseconds", lastTimestamp - timestamp));        }         if (lastTimestamp == timestamp) {            sequence = (sequence + 1) & sequenceMask;            if (sequence == 0) {                timestamp = tilNextMillis(lastTimestamp);            }        } else {            sequence = 0L;        }         lastTimestamp = timestamp;         return ((timestamp - twepoch) << timestampLeftShift) | (datacenterId << datacenterIdShift) | (workerId << workerIdShift) | sequence;    }     protected long tilNextMillis(long lastTimestamp) {        long timestamp = timeGen();        while (timestamp <= lastTimestamp) {            timestamp = timeGen();        }        return timestamp;    }     protected long timeGen() {        return System.currentTimeMillis();    }}12345678910111213141516171819202122232425262728293031323334353637383940414243444546474849505152535455565758596061626364656667686970

四、Q&A

问题1：twepoch 为什么要等于1288834974657L 而不等于其他数？ 
答： 1288834974657 是 (Thu, 04 Nov 2010 01:42:54 GMT) 这一时刻到1970-01-01 00:00:00时刻所经过的毫秒数。41位字节作为时间戳数值的话，大约68年就会用完，假如你2010年1月1日开始开发系统，如果不减去2010年1月1日的时间戳，那么白白浪费40年的时间戳啊！所有减去twepoch 可以让系统在41位字节作为时间戳的情况下的运行时间更长。1288834974657L可能就是该项目开始成立的时间。

问题2：类似这种long maxWorkerId = -1L ^ (-1L << workerIdBits);操作是什么意思？ 
答： -1L ^ (-1L << n)表示占n个bit的数字的最大值是多少。举个栗子：-1L ^ (-1L << 2)等于10进制的3 ，即二进制的11表示十进制3。

注意：计算机存放数字都是存放数字的补码，正数的原码、补码、反码都一样，负数的补码是其反码加一。符号位做取反操作时不变，做逻辑与、或、非、异或操作时要参与运算。

再来个栗子： 
-1L原码 : 1000 0001 
-1L反码 : 1111 1110 
-1L补码 : 1111 1111 
-1L<<5 : 1110 0000 
1111 1111 ^ 1110 0000 : 0001 1111 
0001 1111是正数，所以补码、反码、原码都一样，所以0001 1111是31

问题3：((timestamp - twepoch) << timestampLeftShift) | (datacenterId << datacenterIdShift) | (workerId << workerIdShift) | sequence是什么意思？ 
答：我只发图不说话 

来源：https://www.cnblogs.com/jpfss/p/11512620.html