雪花算法（SnowFlake）Java实现

算法原理

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：

在这里插入图片描述

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。

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machineId来做区分）

算法实现（Java）

Twitter官方给出的算法实现是用Scala写的，这里不做分析，可自行查看。

/**
 ** SnowFlake的结构如下(每部分用-分开):
 ** 0 - 0000000000 0000000000 0000000000 0000000000 0 - 00000 - 00000 -
 * 000000000000
 ** 1位标识，由于long基本类型在Java中是带符号的，最高位是符号位，正数是0，负数是1，所以id一般是正数，最高位是0
 ** 41位时间截(毫秒级)，注意，41位时间截不是存储当前时间的时间截，而是存储时间截的差值（当前时间截 - 开始时间截)
 ** 得到的值），这里的的开始时间截，一般是我们的id生成器开始使用的时间，由我们程序来指定的（如下下面程序IdWorker类的startTime属性）。41位的时间截，可以使用69年，年T
 * = (1L << 41) / (1000L * 60 * 60 * 24 * 365) = 69
 ** 10位的数据机器位，可以部署在1024个节点，包括5位datacenterId和5位workerId<br>
 ** 12位序列，毫秒内的计数，12位的计数顺序号支持每个节点每毫秒(同一机器，同一时间截)产生4096个ID序号
 ** 加起来刚好64位，为一个Long型。
 **
 * SnowFlake的优点是，整体上按照时间自增排序，并且整个分布式系统内不会产生ID碰撞(由数据中心ID和机器ID作区分)，并且效率较高，经测试，SnowFlake每秒能够产生20多万ID左右。
 * @author byran
 **/
public class SnowflakeIdWorker {
   private static final Logger logger = LoggerFactory.getLogger(SnowflakeIdWorker.class);
   /**
    * 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 = 10; //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
   **/
  public final static long MAX_DATACENTER_NUM = -1L ^ (-1L << DATACENTER_BIT);
  public final static long MAX_MACHINE_NUM = -1L ^ (-1L << MACHINE_BIT);
  private final static long MAX_SEQUENCE = -1L ^ (-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
  /**
   * 根据MAC生成datacenterId，根据MAC + PID生成machineId
   **/
  public SnowflakeIdWorker() {
    long datacenterId = getDatacenterId(MAX_DATACENTER_NUM);
    long machineId = getMachineId(datacenterId, MAX_MACHINE_NUM);
    check(datacenterId, machineId);
    this.datacenterId = datacenterId;
    this.machineId = machineId;
  }
     /**
   * datacenterId和machineId可配置
   * @param datacenterId
   * @param machineId
   **/
  public SnowflakeIdWorker(long datacenterId, long machineId) {
    check(datacenterId, machineId);
    this.datacenterId = datacenterId;
    this.machineId = machineId;
  }
  private static void check(long datacenterId, long machineId) {
    if (datacenterId > MAX_DATACENTER_NUM || datacenterId < 0) {
      throw new EompRuntimeException(String.format("datacenterId can't be greater than %s or less than 0", MAX_DATACENTER_NUM));
    }
    if (machineId > MAX_MACHINE_NUM || machineId < 0) {
      throw new EompRuntimeException(String.format("machineId can't be greater than %s or less than 0", MAX_MACHINE_NUM));
    }
  }
  /**
    * 产生下一个ID
    * @return
    **/
  public synchronized long nextId() {
    long currStmp = getNewstmp();
    if (currStmp < lastStmp) {
      throw new EompRuntimeException("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
  }
  /**
   * 阻塞到下一个毫秒，直到获得新的时间戳
   * @return 当前时间戳
   **/
  private long getNextMill() {
    long mill = getNewstmp();
    while (mill <= lastStmp) {
      mill = getNewstmp();
    }
    return mill;
  }
  /**
   * 返回以毫秒为单位的当前时间
   * @return 当前时间(毫秒)
   **/
  private long getNewstmp() {
    return System.currentTimeMillis();
  }
  /**
   * 机器标识
   **/
  private static long getMachineId(long datacenterId, long maxWorkerId) {
    StringBuilder mpid = new StringBuilder();
    mpid.append(datacenterId);
    String name = ManagementFactory.getRuntimeMXBean().getName();
    if (!name.isEmpty()) {
      /** GET jvmPid */
      mpid.append(name.split("@")[0]);
    }
    /** MAC + PID 的 hashcode 获取16个低位 */
    return (mpid.toString().hashCode() & 0xffff) % (maxWorkerId + 1);
  }
   /**
    * 数据标识id部分
    **/
  private static long getDatacenterId(long maxDatacenterId) {
    long id = 0L;
    try {
      InetAddress ip = InetAddress.getLocalHost();
      NetworkInterface network = NetworkInterface.getByInetAddress(ip);
      if (network == null) {
        id = 1L;
      } else {
        byte[] mac = network.getHardwareAddress();
        id = ((0x000000FF & (long) mac[mac.length - 1])
              | (0x0000FF00 & (((long) mac[mac.length - 2]) << 8))) >> 6;
        id = id % (maxDatacenterId + 1);
      }
    } catch (Exception e) {
      logger.error("getDatacenterId exception.", e);
    }
    return id;
  }
  /*public static void main(String[] args) {
       long datacenterId = getDatacenterId(MAX_DATACENTER_NUM);
       long machineId = getMachineId(datacenterId, MAX_MACHINE_NUM);
       System.out.println("ip:" + datacenterId + ",processId:" + machineId);
   }*/
}

测试类：

public class SnowflakeIdWorkerTest {
  public static Set<Long> idSet = new HashSet<>();
  public static void main(String[] args) {
    SnowflakeIdWorker snowflakeIdWorker = new SnowflakeIdWorker(1, 0);
    for (long i = 0; i < 1000; i++) {
      new Thread(new Worker(snowflakeIdWorker)).start();
    }
  }
  static class Worker implements Runnable {
    private SnowflakeIdWorker snowflakeIdWorker;
    public Worker(SnowflakeIdWorker snowflakeIdWorker) {
      this.snowflakeIdWorker = snowflakeIdWorker;
    }
    @Override
    public void run() {
      for (int i = 0; i < 1000; i++) {
        Long id = snowflakeIdWorker.nextId();
        if (!idSet.add(id)) {
          System.err.println("存在重复id:" + id);
        }
      }
    }
  }
}