欧美bbbwbbbw肥妇,免费乱码人妻系列日韩,一级黄片

Java實現(xiàn)雪花算法的原理和實戰(zhàn)教程

 更新時間:2021年06月29日 17:59:21   作者:雨夜青草  
這篇文章主要介紹了Java實現(xiàn)雪花算法的原理和實戰(zhàn)教程,本文通過語言表述和代碼的實現(xiàn)講解了該項算法,,需要的朋友可以參考下

SnowFlake 算法,是 Twitter 開源的分布式 id 生成算法。其核心思想就是:使用一個 64 bit 的 long 型的數(shù)字作為全局唯一 id。在分布式系統(tǒng)中的應(yīng)用十分廣泛,且ID 引入了時間戳,基本上保持自增的,后面的代碼中有詳細的注解。

這 64 個 bit 中,其中 1 個 bit 是不用的,然后用其中的 41 bit 作為毫秒數(shù),用 10 bit 作為工作機器 id,12 bit 作為序列號。

給大家舉個例子吧,比如下面那個 64 bit 的 long 型數(shù)字:

  1. 第一個部分,是 1 個 bit:0,這個是無意義的。
  2. 第二個部分是 41 個 bit:表示的是時間戳。
  3. 第三個部分是 5 個 bit:表示的是機房 id,10001。
  4. 第四個部分是 5 個 bit:表示的是機器 id,1 1001。
  5. 第五個部分是 12 個 bit:表示的序號,就是某個機房某臺機器上這一毫秒內(nèi)同時生成的 id 的序號,0000 00000000。

①1 bit:是不用的,為啥呢?

因為二進制里第一個 bit 為如果是 1,那么都是負數(shù),但是我們生成的 id 都是正數(shù),所以第一個 bit 統(tǒng)一都是 0。

②41 bit:表示的是時間戳,單位是毫秒。

41 bit 可以表示的數(shù)字多達 2^41 - 1,也就是可以標識 2 ^ 41 - 1 個毫秒值,換算成年就是表示 69 年的時間。

③10 bit:記錄工作機器 id,代表的是這個服務(wù)最多可以部署在 2^10 臺機器上,也就是 1024 臺機器。

但是 10 bit 里 5 個 bit 代表機房 id,5 個 bit 代表機器 id。意思就是最多代表 2 ^ 5 個機房(32 個機房),每個機房里可以代表 2 ^ 5 個機器(32 臺機器),也可以根據(jù)自己公司的實際情況確定。

④12 bit:這個是用來記錄同一個毫秒內(nèi)產(chǎn)生的不同 id。

12 bit 可以代表的最大正整數(shù)是 2 ^ 12 - 1 = 4096,也就是說可以用這個 12 bit 代表的數(shù)字來區(qū)分同一個毫秒內(nèi)的 4096 個不同的 id。

簡單來說,你的某個服務(wù)假設(shè)要生成一個全局唯一 id,那么就可以發(fā)送一個請求給部署了 SnowFlake 算法的系統(tǒng),由這個 SnowFlake 算法系統(tǒng)來生成唯一 id。

這個 SnowFlake 算法系統(tǒng)首先肯定是知道自己所在的機房和機器的,比如機房 id = 17,機器 id = 12。

接著 SnowFlake 算法系統(tǒng)接收到這個請求之后,首先就會用二進制位運算的方式生成一個 64 bit 的 long 型 id,64 個 bit 中的第一個 bit 是無意義的。

接著 41 個 bit,就可以用當前時間戳(單位到毫秒),然后接著 5 個 bit 設(shè)置上這個機房 id,還有 5 個 bit 設(shè)置上機器 id。

最后再判斷一下,當前這臺機房的這臺機器上這一毫秒內(nèi),這是第幾個請求,給這次生成 id 的請求累加一個序號,作為最后的 12 個 bit。

最終一個 64 個 bit 的 id 就出來了,類似于:

這個算法可以保證說,一個機房的一臺機器上,在同一毫秒內(nèi),生成了一個唯一的 id??赡芤粋€毫秒內(nèi)會生成多個 id,但是有最后 12 個 bit 的序號來區(qū)分開來。

下面我們簡單看看這個 SnowFlake 算法的一個代碼實現(xiàn),這就是個示例,大家如果理解了這個意思之后,以后可以自己嘗試改造這個算法。

總之就是用一個 64 bit 的數(shù)字中各個 bit 位來設(shè)置不同的標志位,區(qū)分每一個 id。

SnowFlake 算法的實現(xiàn)代碼如下:

 
public class IdWorker {
 
	//因為二進制里第一個 bit 為如果是 1,那么都是負數(shù),但是我們生成的 id 都是正數(shù),所以第一個 bit 統(tǒng)一都是 0。
 
	//機器ID  2進制5位  32位減掉1位 31個
	private long workerId;
	//機房ID 2進制5位  32位減掉1位 31個
	private long datacenterId;
	//代表一毫秒內(nèi)生成的多個id的最新序號  12位 4096 -1 = 4095 個
	private long sequence;
	//設(shè)置一個時間初始值    2^41 - 1   差不多可以用69年
	private long twepoch = 1585644268888L;
	//5位的機器id
	private long workerIdBits = 5L;
	//5位的機房id
	private long datacenterIdBits = 5L;
	//每毫秒內(nèi)產(chǎn)生的id數(shù) 2 的 12次方
	private long sequenceBits = 12L;
	// 這個是二進制運算,就是5 bit最多只能有31個數(shù)字,也就是說機器id最多只能是32以內(nèi)
	private long maxWorkerId = -1L ^ (-1L << workerIdBits);
	// 這個是一個意思,就是5 bit最多只能有31個數(shù)字,機房id最多只能是32以內(nèi)
	private long maxDatacenterId = -1L ^ (-1L << datacenterIdBits);
 
	private long workerIdShift = sequenceBits;
	private long datacenterIdShift = sequenceBits + workerIdBits;
	private long timestampLeftShift = sequenceBits + workerIdBits + datacenterIdBits;
	private long sequenceMask = -1L ^ (-1L << sequenceBits);
	//記錄產(chǎn)生時間毫秒數(shù),判斷是否是同1毫秒
	private long lastTimestamp = -1L;
	public long getWorkerId(){
		return workerId;
	}
	public long getDatacenterId() {
		return datacenterId;
	}
	public long getTimestamp() {
		return System.currentTimeMillis();
	}
 
 
 
	public IdWorker(long workerId, long datacenterId, long sequence) {
 
		// 檢查機房id和機器id是否超過31 不能小于0
		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;
		this.sequence = sequence;
	}
 
	// 這個是核心方法,通過調(diào)用nextId()方法,讓當前這臺機器上的snowflake算法程序生成一個全局唯一的id
	public synchronized long nextId() {
		// 這兒就是獲取當前時間戳,單位是毫秒
		long timestamp = timeGen();
		if (timestamp < lastTimestamp) {
 
			System.err.printf(
					"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));
		}
 
		// 下面是說假設(shè)在同一個毫秒內(nèi),又發(fā)送了一個請求生成一個id
		// 這個時候就得把seqence序號給遞增1,最多就是4096
		if (lastTimestamp == timestamp) {
 
			// 這個意思是說一個毫秒內(nèi)最多只能有4096個數(shù)字,無論你傳遞多少進來,
			//這個位運算保證始終就是在4096這個范圍內(nèi),避免你自己傳遞個sequence超過了4096這個范圍
			sequence = (sequence + 1) & sequenceMask;
			//當某一毫秒的時間,產(chǎn)生的id數(shù) 超過4095,系統(tǒng)會進入等待,直到下一毫秒,系統(tǒng)繼續(xù)產(chǎn)生ID
			if (sequence == 0) {
				timestamp = tilNextMillis(lastTimestamp);
			}
 
		} else {
			sequence = 0;
		}
		// 這兒記錄一下最近一次生成id的時間戳,單位是毫秒
		lastTimestamp = timestamp;
		// 這兒就是最核心的二進制位運算操作,生成一個64bit的id
		// 先將當前時間戳左移,放到41 bit那兒;將機房id左移放到5 bit那兒;將機器id左移放到5 bit那兒;將序號放最后12 bit
		// 最后拼接起來成一個64 bit的二進制數(shù)字,轉(zhuǎn)換成10進制就是個long型
		return ((timestamp - twepoch) << timestampLeftShift) |
				(datacenterId << datacenterIdShift) |
				(workerId << workerIdShift) | sequence;
	}
 
	/**
	 * 當某一毫秒的時間,產(chǎn)生的id數(shù) 超過4095,系統(tǒng)會進入等待,直到下一毫秒,系統(tǒng)繼續(xù)產(chǎn)生ID
	 * @param lastTimestamp
	 * @return
	 */
	private long tilNextMillis(long lastTimestamp) {
 
		long timestamp = timeGen();
 
		while (timestamp <= lastTimestamp) {
			timestamp = timeGen();
		}
		return timestamp;
	}
	//獲取當前時間戳
	private long timeGen(){
		return System.currentTimeMillis();
	}
 
	/**
	 *  main 測試類
	 * @param args
	 */
	public static void main(String[] args) {
		System.out.println(1&4596);
		System.out.println(2&4596);
		System.out.println(6&4596);
		System.out.println(6&4596);
		System.out.println(6&4596);
		System.out.println(6&4596);
//		IdWorker worker = new IdWorker(1,1,1);
//		for (int i = 0; i < 22; i++) {
//			System.out.println(worker.nextId());
//		}
	}
}

SnowFlake算法的優(yōu)點:

(1)高性能高可用:生成時不依賴于數(shù)據(jù)庫,完全在內(nèi)存中生成。

(2)容量大:每秒中能生成數(shù)百萬的自增ID。

(3)ID自增:存入數(shù)據(jù)庫中,索引效率高。

SnowFlake算法的缺點:

依賴與系統(tǒng)時間的一致性,如果系統(tǒng)時間被回調(diào),或者改變,可能會造成id沖突或者重復(fù)。

實際中我們的機房并沒有那么多,我們可以改進改算法,將10bit的機器id優(yōu)化,成業(yè)務(wù)表或者和我們系統(tǒng)相關(guān)的業(yè)務(wù)。

到此這篇關(guān)于Java實現(xiàn)雪花算法的原理和實戰(zhàn)教程的文章就介紹到這了,更多相關(guān)Java實現(xiàn)雪花算法內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家!

相關(guān)文章

  • ssm框架+PageHelper插件實現(xiàn)分頁查詢功能

    ssm框架+PageHelper插件實現(xiàn)分頁查詢功能

    今天小編教大家如何通過ssm框架+PageHelper插件實現(xiàn)分頁查詢功能,首先大家需要新建一個maven工程引入jar包,本文通過實例代碼給大家介紹的非常詳細,對大家的學(xué)習(xí)或工作具有一定的參考借鑒價值,需要的朋友參考下吧
    2021-06-06
  • Spring Cloud Gateway 服務(wù)網(wǎng)關(guān)快速實現(xiàn)解析

    Spring Cloud Gateway 服務(wù)網(wǎng)關(guān)快速實現(xiàn)解析

    這篇文章主要介紹了Spring Cloud Gateway 服務(wù)網(wǎng)關(guān)快速實現(xiàn)解析,文中通過示例代碼介紹的非常詳細,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
    2019-08-08
  • Java 獲取原始請求域名實現(xiàn)示例

    Java 獲取原始請求域名實現(xiàn)示例

    這篇文章主要為大家介紹了Java 獲取原始請求域名實現(xiàn)示例,有需要的朋友可以借鑒參考下,希望能夠有所幫助,祝大家多多進步,早日升職加薪
    2023-12-12
  • springboot用戶數(shù)據(jù)修改的詳細實現(xiàn)

    springboot用戶數(shù)據(jù)修改的詳細實現(xiàn)

    用戶管理功能作為所有的系統(tǒng)是必不可少的一部分,下面這篇文章主要給大家介紹了關(guān)于springboot用戶數(shù)據(jù)修改的相關(guān)資料,文中通過示例代碼介紹的非常詳細,需要的朋友可以參考下
    2022-04-04
  • SpringBoot+vue實現(xiàn)登錄圖片驗證碼功能

    SpringBoot+vue實現(xiàn)登錄圖片驗證碼功能

    這篇文章主要給大家介紹一下如何SpringBoot+vue實現(xiàn)登錄圖片驗證碼功能,文中有詳細的代碼示例,具有一定的參考價值,需要的朋友可以參考下
    2023-07-07
  • Java實現(xiàn)按行分割大文件

    Java實現(xiàn)按行分割大文件

    這篇文章主要為大家詳細介紹了Java實現(xiàn)按行分割大文件,文中示例代碼介紹的非常詳細,具有一定的參考價值,感興趣的小伙伴們可以參考一下
    2020-05-05
  • 詳解spring中使用Elasticsearch的代碼實現(xiàn)

    詳解spring中使用Elasticsearch的代碼實現(xiàn)

    本篇文章主要介紹了詳解spring中使用Elasticsearch的代碼實現(xiàn),具有一定的參考價值,有興趣的可以了解一下
    2017-05-05
  • java并發(fā)編程之深入理解Synchronized的使用

    java并發(fā)編程之深入理解Synchronized的使用

    文詳細講述了線程、進程的關(guān)系及在操作系統(tǒng)中的表現(xiàn),這是多線程學(xué)習(xí)必須了解的基礎(chǔ)。本文將接著講一下Java線程同步中的一個重要的概念synchronized,希望能夠給你有所幫助
    2021-06-06
  • Java工程使用ffmpeg進行音視頻格式轉(zhuǎn)換的實現(xiàn)

    Java工程使用ffmpeg進行音視頻格式轉(zhuǎn)換的實現(xiàn)

    FFmpeg是一套可以用來記錄、轉(zhuǎn)換數(shù)字音頻、視頻,并能將其轉(zhuǎn)化為流的開源計算機程序,本文主要介紹了Java工程使用ffmpeg進行音視頻格式轉(zhuǎn)換的實現(xiàn)
    2024-02-02
  • Springboot集成Ehcache3實現(xiàn)本地緩存的配置方法

    Springboot集成Ehcache3實現(xiàn)本地緩存的配置方法

    EhCache是一個純Java的進程內(nèi)緩存框架,是 Hibernate 中默認的 CacheProvider,同Redis一樣,EhCache 不是純內(nèi)存緩存,它支持基于內(nèi)存和磁盤的二級緩存,本文介紹Springboot集成Ehcache3實現(xiàn)本地緩存的配置方法,感興趣的朋友一起看看吧
    2024-04-04

最新評論