基于python實現(xiàn)雪花算法過程詳解
這篇文章主要介紹了基于python實現(xiàn)雪花算法過程詳解,文中通過示例代碼介紹的非常詳細(xì),對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價值,需要的朋友可以參考下
Snowflake是Twitter提出來的一個算法,其目的是生成一個64bit的整數(shù):

- 1bit:一般是符號位,不做處理
- 41bit:用來記錄時間戳,這里可以記錄69年,如果設(shè)置好起始時間比如今年是2018年,那么可以用到2089年,到時候怎么辦?要是這個系統(tǒng)能用69年,我相信這個系統(tǒng)早都重構(gòu)了好多次了。
- 10bit:10bit用來記錄機器ID,總共可以記錄1024臺機器,一般用前5位代表數(shù)據(jù)中心,后面5位是某個數(shù)據(jù)中心的機器ID
- 12bit:循環(huán)位,用來對同一個毫秒之內(nèi)產(chǎn)生不同的ID,12位可以最多記錄4095個,也就是在同一個機器同一毫秒最多記錄4095個,多余的需要進行等待下毫秒。
上面只是一個將64bit劃分的標(biāo)準(zhǔn),當(dāng)然也不一定這么做,可以根據(jù)不同業(yè)務(wù)的具體場景來劃分,比如下面給出一個業(yè)務(wù)場景:
- 服務(wù)目前QPS10萬,預(yù)計幾年之內(nèi)會發(fā)展到百萬。
- 當(dāng)前機器三地部署,上海,北京,深圳都有。
- 當(dāng)前機器10臺左右,預(yù)計未來會增加至百臺。
- 這個時候我們根據(jù)上面的場景可以再次合理的劃分62bit,QPS幾年之內(nèi)會發(fā)展到百萬,那么每毫秒就是千級的請求,目前10臺機器那么每臺機器承擔(dān)百級的請求,為了保證擴展,后面的循環(huán)位可以限制到1024,也就是2^10,那么循環(huán)位10位就足夠了。
機器三地部署我們可以用3bit總共8來表示機房位置,當(dāng)前的機器10臺,為了保證擴展到百臺那么可以用7bit 128來表示,時間位依然是41bit,那么還剩下64-10-3-7-41-1 = 2bit,還剩下2bit可以用來進行擴展。

時鐘回?fù)?br />
因為機器的原因會發(fā)生時間回?fù)埽覀兊难┗ㄋ惴ㄊ菑娨蕾囄覀兊臅r間的,如果時間發(fā)生回?fù)埽锌赡軙芍貜?fù)的ID,在我們上面的nextId中我們用當(dāng)前時間和上一次的時間進行判斷,如果當(dāng)前時間小于上一次的時間那么肯定是發(fā)生了回?fù)?,算法會直接拋出異?
# Twitter's Snowflake algorithm implementation which is used to generate distributed IDs.
# https://github.com/twitter-archive/snowflake/blob/snowflake-2010/src/main/scala/com/twitter/service/snowflake/IdWorker.scala
import time
import logging
from .exceptions import InvalidSystemClock
# 64位ID的劃分
WORKER_ID_BITS = 5
DATACENTER_ID_BITS = 5
SEQUENCE_BITS = 12
# 最大取值計算
MAX_WORKER_ID = -1 ^ (-1 << WORKER_ID_BITS) # 2**5-1 0b11111
MAX_DATACENTER_ID = -1 ^ (-1 << DATACENTER_ID_BITS)
# 移位偏移計算
WOKER_ID_SHIFT = SEQUENCE_BITS
DATACENTER_ID_SHIFT = SEQUENCE_BITS + WORKER_ID_BITS
TIMESTAMP_LEFT_SHIFT = SEQUENCE_BITS + WORKER_ID_BITS + DATACENTER_ID_BITS
# 序號循環(huán)掩碼
SEQUENCE_MASK = -1 ^ (-1 << SEQUENCE_BITS)
# Twitter元年時間戳
TWEPOCH = 1288834974657
logger = logging.getLogger('flask.app')
class IdWorker(object):
"""
用于生成IDs
"""
def __init__(self, datacenter_id, worker_id, sequence=0):
"""
初始化
:param datacenter_id: 數(shù)據(jù)中心(機器區(qū)域)ID
:param worker_id: 機器ID
:param sequence: 其實序號
"""
# sanity check
if worker_id > MAX_WORKER_ID or worker_id < 0:
raise ValueError('worker_id值越界')
if datacenter_id > MAX_DATACENTER_ID or datacenter_id < 0:
raise ValueError('datacenter_id值越界')
self.worker_id = worker_id
self.datacenter_id = datacenter_id
self.sequence = sequence
self.last_timestamp = -1 # 上次計算的時間戳
def _gen_timestamp(self):
"""
生成整數(shù)時間戳
:return:int timestamp
"""
return int(time.time() * 1000)
def get_id(self):
"""
獲取新ID
:return:
"""
timestamp = self._gen_timestamp()
# 時鐘回?fù)?
if timestamp < self.last_timestamp:
logging.error('clock is moving backwards. Rejecting requests until {}'.format(self.last_timestamp))
raise InvalidSystemClock
if timestamp == self.last_timestamp:
self.sequence = (self.sequence + 1) & SEQUENCE_MASK
if self.sequence == 0:
timestamp = self._til_next_millis(self.last_timestamp)
else:
self.sequence = 0
self.last_timestamp = timestamp
new_id = ((timestamp - TWEPOCH) << TIMESTAMP_LEFT_SHIFT) | (self.datacenter_id << DATACENTER_ID_SHIFT) | \
(self.worker_id << WOKER_ID_SHIFT) | self.sequence
return new_id
def _til_next_millis(self, last_timestamp):
"""
等到下一毫秒
"""
timestamp = self._gen_timestamp()
while timestamp <= last_timestamp:
timestamp = self._gen_timestamp()
return timestamp
if __name__ == '__main__':
worker = IdWorker(1, 2, 0)
print(worker.get_id())
同文件夾下建立exceptions.py
class InvalidSystemClock(Exception): """ 時鐘回?fù)墚惓? """ pass
配置文件中添加,對應(yīng)的是機器ID和序列號
# Snowflake ID Worker 參數(shù) DATACENTER_ID = 0 WORKER_ID = 0 SEQUENCE = 0
以上就是本文的全部內(nèi)容,希望對大家的學(xué)習(xí)有所幫助,也希望大家多多支持腳本之家。
相關(guān)文章
詳解Python中range()與xrange()的區(qū)別
range()?和?xrange()?是兩個函數(shù),可用于在?Python的?for?循環(huán)中迭代一定次數(shù)。本文將通過示例詳細(xì)說說二者的區(qū)別與使用,需要的可以參考一下2022-09-09
Pandas 數(shù)據(jù)處理,數(shù)據(jù)清洗詳解
今天小編就為大家分享一篇Pandas 數(shù)據(jù)處理,數(shù)據(jù)清洗詳解,具有很好的參考價值,希望對大家有所幫助。一起跟隨小編過來看看吧2018-07-07
Django?報錯:Broken?pipe?from?('127.0.0.1',?5892
這篇文章主要介紹了Django?報錯:Broken?pipe?from?('127.0.0.1',?58924)的解決方案,具有很好的參考價值,希望對大家有所幫助。如有錯誤或未考慮完全的地方,望不吝賜教2022-09-09
python中PS 圖像調(diào)整算法原理之亮度調(diào)整
這篇文章主要介紹了python中PS 圖像調(diào)整算法原理之亮度調(diào)整,本文給大家介紹的非常詳細(xì),具有一定的參考借鑒價值,需要的朋友可以參考下2019-06-06
python3.6連接MySQL和表的創(chuàng)建與刪除實例代碼
這篇文章主要介紹了python3.6連接MySQL和表的創(chuàng)建與刪除實例代碼,具有一定借鑒價值,需要的朋友可以參考下2017-12-12
Python實現(xiàn)RGB與HSI顏色空間的互換方式
今天小編就為大家分享一篇Python實現(xiàn)RGB與HSI顏色空間的互換方式,具有很好的參考價值,希望對大家有所幫助。一起跟隨小編過來看看吧2019-11-11

