本文主要是介绍全局唯一ID生成常见的几种方式和twitter/snowflake（雪花算法）解析，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！
全局唯一ID生成常见的几种方式和twitter/snowflake（雪花算法）解析
全局唯一ID生成常见的几种方式：
1，（twitter/snowflake）雪花算法
2，利用数据库的auto_increment特性
3，UUID
4，其他（如redis也有incr，redis加lua脚本实现twitter/snowflake算法）
一、 （twitter/snowflake）
使用了long类型，long类型为8字节工64位。可表示的最大值位2^64-1（18446744073709551615，装换成十进制共20位的长度，这个是无符号的长整型的最大值）。
单常见使用的是long 不是usign long所以最大值为2^63-1（9223372036854775807，装换成十进制共19的长度，这个是long的长整型的最大值）
下面程序来自大象博客：
http://www.blogjava.net/bolo/archive/2015/07/13/426200.html
public class IdGen {private long workerId;private long datacenterId;private long sequence = 0L;private long twepoch = 1288834974657L;//Thu, 04 Nov 2010 01:42:54 GMTprivate long workerIdBits = 5L;//节点ID长度private long datacenterIdBits = 5L;//数据中心ID长度private long maxWorkerId = -1L ^ (-1L << workerIdBits);//最大支持机器节点数0~31，一共32个private long maxDatacenterId = -1L ^ (-1L << datacenterIdBits);//最大支持数据中心节点数0~31，一共32个private long sequenceBits = 12L;//序列号12位private long workerIdShift = sequenceBits;//机器节点左移12位private long datacenterIdShift = sequenceBits + workerIdBits;//数据中心节点左移17位private long timestampLeftShift = sequenceBits + workerIdBits + datacenterIdBits;//时间毫秒数左移22位private long sequenceMask = -1L ^ (-1L << sequenceBits);//最大为4095private long lastTimestamp = -1L;private static class IdGenHolder {private static final IdGen instance = new IdGen();}public static IdGen get(){return IdGenHolder.instance;}public IdGen() {this(0L, 0L);}public IdGen(long workerId, long datacenterId) {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;}public synchronized long nextId() {long timestamp = timeGen();//获取当前毫秒数//如果服务器时间有问题(时钟后退) 报错。if (timestamp < lastTimestamp) {throw new RuntimeException(String.format("Clock moved backwards. Refusing to generate id for %d milliseconds", lastTimestamp - timestamp));}//如果上次生成时间和当前时间相同,在同一毫秒内if (lastTimestamp == timestamp) {//sequence自增，因为sequence只有12bit，所以和sequenceMask相与一下，去掉高位sequence = (sequence + 1) & sequenceMask;//判断是否溢出,也就是每毫秒内超过4095，当为4096时，与sequenceMask相与，sequence就等于0if (sequence == 0) {timestamp = tilNextMillis(lastTimestamp);//自旋等待到下一毫秒}} else {sequence = 0L;//如果和上次生成时间不同,重置sequence，就是下一毫秒开始，sequence计数重新从0开始累加}lastTimestamp = timestamp;// 最后按照规则拼出ID。// 000000000000000000000000000000000000000000 00000 00000 000000000000// time datacenterId workerId sequence// return ((timestamp - twepoch) << timestampLeftShift) | (datacenterId << datacenterIdShift)// | (workerId << workerIdShift) | sequence;long longStr= ((timestamp - twepoch) << timestampLeftShift) | (datacenterId << datacenterIdShift) | (workerId << workerIdShift) | sequence;// System.out.println(longStr);return longStr;}protected long tilNextMillis(long lastTimestamp) {long timestamp = timeGen();while (timestamp <= lastTimestamp) {timestamp = timeGen();}return timestamp;}protected long timeGen() {return System.currentTimeMillis();}}
测试程序
import java.util.ArrayList;
import java.util.List;
import java.util.concurrent.Callable;
import java.util.concurrent.ExecutorService;
import java.util.concurrent.Executors;
import java.util.concurrent.TimeUnit;import org.junit.Test;public class GeneratorTest {@Testpublic void testIdGenerator() {long avg = 0;for (int k = 0; k < 10; k++) {List<Callable<Long>> partitions = new ArrayList<Callable<Long>>();final IdGen idGen = IdGen.get();for (int i = 0; i < 1400000; i++) {partitions.add(new Callable<Long>() {@Overridepublic Long call() throws Exception {return idGen.nextId();}});}ExecutorService executorPool = Executors.newFixedThreadPool(Runtime.getRuntime().availableProcessors());try {long s = System.currentTimeMillis();executorPool.invokeAll(partitions, 10000, TimeUnit.SECONDS);long s_avg = System.currentTimeMillis() - s;avg += s_avg;System.out.println("完成时间需要: " + s_avg / 1.0e3 + "秒");executorPool.shutdown();} catch (Exception e) {e.printStackTrace();}}System.out.println("平均完成时间需要: " + avg / 10 / 1.0e3 + "秒");}}
我们生产也是按照这个twitter/snowflake的算法来写的。
二、 利用auto_increment特性
insert into
replace into
三、 UUID
常见的方式。可以利用数据库也可以利用程序生成，一般来说全球唯一。
优点：
1）简单，代码方便。
2）生成ID性能非常好，基本不会有性能问题。
3）全球唯一，在遇见数据迁移，系统数据合并，或者数据库变更等情况下，可以从容应对。
缺点：
1）没有排序，无法保证趋势递增。
2）UUID往往是使用字符串存储，查询的效率比较低。
3）存储空间比较大，如果是海量数据库，就需要考虑存储量的问题。
4）传输数据量大
5）不可读。
变种的UUID
1）为了解决UUID不可读，可以使用UUID to Int64的方法。
2）为了解决UUID无序的问题，NHibernate在其主键生成方式中提供了Comb算法（combined guid/timestamp）。保留GUID的10个字节，用另6个字节表示GUID生成的时间（DateTime）。
四、 其他
如：1，redis的incr 和INCRBY来实现可以实现自增。 2，redis-lua脚本实现twitter/snowflake算法。3，MongoDB的ObjectId。
这篇关于全局唯一ID生成常见的几种方式和twitter/snowflake（雪花算法）解析的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！
