关键词：
我是陈皮，一个在互联网 Coding 的 ITer，个人微信公众号「陈皮的JavaLib」关注第一时间阅读最新文章。
文章目录
背景
现在的服务基本是分布式，微服务形式的，而且大数据量也导致分库分表的产生，对于水平分表就需要保证表中 id 的全局唯一性。
对于 MySQL 而言，一个表中的主键 id 一般使用自增的方式，但是如果进行水平分表之后，多个表中会生成重复的 id 值。那么如何保证水平分表后的多张表中的 id 是全局唯一性的呢？
如果还是借助数据库主键自增的形式，那么可以让不同表初始化一个不同的初始值，然后按指定的步长进行自增。例如有3张拆分表，初始主键值为1，2，3，自增步长为3。
当然也有人使用 UUID 来作为主键，但是 UUID 生成的是一个无序的字符串，对于 MySQL 推荐使用增长的数值类型值作为主键来说不适合。
也可以使用 Redis 的自增原子性来生成唯一 id，但是这种方式业内比较少用。
当然还有其他解决方案，不同互联网公司也有自己内部的实现方案。雪花算法是其中一个用于解决分布式 id 的高效方案，也是许多互联网公司在推荐使用的。
SnowFlake 雪花算法
SnowFlake 中文意思为雪花，故称为雪花算法。最早是 Twitter 公司在其内部用于分布式环境下生成唯一 ID。在2014年开源 scala 语言版本。
雪花算法原理就是生成一个的64位比特位的 long 类型的唯一 id。
- 最高1位固定值0，因为生成的 id 是正整数，如果是1就是负数了。
- 接下来41位存储毫秒级时间戳，2^41/(1000606024365)=69，大概可以使用69年。
- 再接下10位存储机器码，包括5位 datacenterId 和5位 workerId。最多可以部署2^10=1024台机器。
- 最后12位存储序列号。同一毫秒时间戳时，通过这个递增的序列号来区分。即对于同一台机器而言，同一毫秒时间戳下，可以生成2^12=4096个不重复 id。
可以将雪花算法作为一个单独的服务进行部署，然后需要全局唯一 id 的系统，请求雪花算法服务获取 id 即可。
对于每一个雪花算法服务，需要先指定10位的机器码，这个根据自身业务进行设定即可。例如机房号+机器号，机器号+服务号，或者是其他可区别标识的10位比特位的整数值都行。
算法实现
package com.chenpi;
import java.util.Set;
import java.util.TreeSet;
/**
* @author 陈皮
* @version 1.0
* @description 雪花算法ID生成器
* @date 2022/4/3
*/
public class SnowflakeIdGenerator
// 初始时间戳(纪年)，可用雪花算法服务上线时间戳的值
// 1649059688068：2022-04-04 16:08:08
private static final long INIT_EPOCH = 1649059688068L;
// 记录最后使用的毫秒时间戳，主要用于判断是否同一毫秒，以及用于服务器时钟回拨判断
private long lastTimeMillis = -1L;
// dataCenterId占用的位数
private static final long DATA_CENTER_ID_BITS = 5L;
// dataCenterId占用5个比特位，最大值31
// 0000000000000000000000000000000000000000000000000000000000011111
private static final long MAX_DATA_CENTER_ID = ~(-1L << DATA_CENTER_ID_BITS);
// datacenterId
private long datacenterId;
// workId占用的位数
private static final long WORKER_ID_BITS = 5L;
// workId占用5个比特位，最大值31
// 0000000000000000000000000000000000000000000000000000000000011111
private static final long MAX_WORKER_ID = ~(-1L << WORKER_ID_BITS);
// workId
private long workerId;
// 最后12位，代表每毫秒内可产生最大序列号，即 2^12 - 1 = 4095
private static final long SEQUENCE_BITS = 12L;
// 掩码（最低12位为1，高位都为0），主要用于与自增后的序列号进行位与，如果值为0，则代表自增后的序列号超过了4095
// 0000000000000000000000000000000000000000000000000000111111111111
private static final long SEQUENCE_MASK = ~(-1L << SEQUENCE_BITS);
// 同一毫秒内的最新序号，最大值可为 2^12 - 1 = 4095
private long sequence;
// workId位需要左移的位数 12
private static final long WORK_ID_SHIFT = SEQUENCE_BITS;
// dataCenterId位需要左移的位数 12+5
private static final long DATA_CENTER_ID_SHIFT = SEQUENCE_BITS + WORKER_ID_BITS;
// 时间戳需要左移的位数 12+5+5
private static final long TIMESTAMP_SHIFT = SEQUENCE_BITS + WORKER_ID_BITS + DATA_CENTER_ID_BITS;
public SnowflakeIdGenerator(long datacenterId, long workerId)
// 检查datacenterId的合法值
if (datacenterId < 0 || datacenterId > MAX_DATA_CENTER_ID)
throw new IllegalArgumentException(
String.format("datacenterId值必须大于0并且小于%d", MAX_DATA_CENTER_ID));
// 检查workId的合法值
if (workerId < 0 || workerId > MAX_WORKER_ID)
throw new IllegalArgumentException(String.format("workId值必须大于0并且小于%d", MAX_WORKER_ID));
this.workerId = workerId;
this.datacenterId = datacenterId;
/**
* 通过雪花算法生成下一个id，注意这里使用synchronized同步
*
* @return 唯一id
*/
public synchronized long nextId()
long currentTimeMillis = System.currentTimeMillis();
// 当前时间小于上一次生成id使用的时间，可能出现服务器时钟回拨问题
if (currentTimeMillis < lastTimeMillis)
throw new RuntimeException(
String.format("可能出现服务器时钟回拨问题，请检查服务器时间。当前服务器时间戳：%d，上一次使用时间戳：%d", currentTimeMillis,
lastTimeMillis));
if (currentTimeMillis == lastTimeMillis) // 还是在同一毫秒内，则将序列号递增1，序列号最大值为4095
// 序列号的最大值是4095，使用掩码（最低12位为1，高位都为0）进行位与运行后如果值为0，则自增后的序列号超过了4095
// 那么就使用新的时间戳
sequence = (sequence + 1) & SEQUENCE_MASK;
if (sequence == 0)
currentTimeMillis = tilNextMillis(lastTimeMillis);
else // 不在同一毫秒内，则序列号重新从0开始，序列号最大值为4095
sequence = 0;
// 记录最后一次使用的毫秒时间戳
lastTimeMillis = currentTimeMillis;
// 核心算法，将不同部分的数值移动到指定的位置，然后进行或运行
return ((currentTimeMillis - INIT_EPOCH) << TIMESTAMP_SHIFT) | (datacenterId
<< DATA_CENTER_ID_SHIFT) | (workerId << WORK_ID_SHIFT) | sequence;
/**
* 获取指定时间戳的接下来的时间戳，也可以说是下一毫秒
*
* @param lastTimeMillis 指定毫秒时间戳
* @return 时间戳
*/
private long tilNextMillis(long lastTimeMillis)
long currentTimeMillis = System.currentTimeMillis();
while (currentTimeMillis <= lastTimeMillis)
currentTimeMillis = System.currentTimeMillis();
return currentTimeMillis;
public static void main(String[] args)
SnowflakeIdGenerator snowflakeIdGenerator = new SnowflakeIdGenerator(1, 2);
// 生成50个id
Set<Long> set = new TreeSet<>();
for (int i = 0; i < 50; i++)
set.add(snowflakeIdGenerator.nextId());
System.out.println(set.size());
System.out.println(set);
// 验证生成100万个id需要多久
long startTime = System.currentTimeMillis();
for (int i = 0; i < 1000000; i++)
snowflakeIdGenerator.nextId();
System.out.println(System.currentTimeMillis() - startTime);
算法验证
public static void main(String[] args)
SnowflakeIdGenerator snowflakeIdGenerator = new SnowflakeIdGenerator(1, 2);
// 生成50个id
Set<Long> set = new TreeSet<>();
for (int i = 0; i < 50; i++)
set.add(snowflakeIdGenerator.nextId());
System.out.println(set.size());
System.out.println(set);
// 验证生成100万个id需要多久
long startTime = System.currentTimeMillis();
for (int i = 0; i < 1000000; i++)
snowflakeIdGenerator.nextId();
System.out.println(System.currentTimeMillis() - startTime);
在我的笔记本，测试结果如下，生成的50个id是不重复的，而且 id 值是递增的。然后再测试生成100万个 id，只花费了262毫秒，可见是算法是及其高效的。
50
[268133605376, 268133605377, 268133605378, 268133605379, 268133605380, 268133605381, 268133605382, 268133605383, 268133605384, 268133605385, 268133605386, 268133605387, 268133605388, 268133605389, 268133605390, 268133605391, 268133605392, 268133605393, 268133605394, 268133605395, 268133605396, 268133605397, 268133605398, 268133605399, 268133605400, 268133605401, 268133605402, 268133605403, 268133605404, 268133605405, 268133605406, 268133605407, 268133605408, 268133605409, 268133605410, 268133605411, 268133605412, 268133605413, 268133605414, 268133605415, 268133605416, 268133605417, 268133605418, 268133605419, 268133605420, 268133605421, 268133605422, 268133605423, 268133605424, 268133605425]
262
算法优缺点
雪花算法有以下几个优点：
- 高并发分布式环境下生成不重复 id，每秒可生成百万个不重复 id。
- 基于时间戳，以及同一时间戳下序列号自增，基本保证 id 有序递增。
- 不依赖第三方库或者中间件。
- 算法简单，在内存中进行，效率高。
雪花算法有如下缺点：
- 依赖服务器时间，服务器时钟回拨时可能会生成重复 id。算法中可通过记录最后一个生成 id 时的时间戳来解决，每次生成 id 之前比较当前服务器时钟是否被回拨，避免生成重复 id。
注意事项
其实雪花算法每一部分占用的比特位数量并不是固定死的。例如你的业务可能达不到69年之久，那么可用减少时间戳占用的位数，雪花算法服务需要部署的节点超过1024台，那么可将减少的位数补充给机器码用。
注意，雪花算法中41位比特位不是直接用来存储当前服务器毫秒时间戳的，而是需要当前服务器时间戳减去某一个初始时间戳值，一般可以使用服务上线时间作为初始时间戳值。
对于机器码，可根据自身情况做调整，例如机房号，服务器号，业务号，机器 IP 等都是可使用的。对于部署的不同雪花算法服务中，最后计算出来的机器码能区分开来即可。
本次分享到此结束啦~~
如果觉得文章对你有帮助，点赞、收藏、关注、评论，您的支持就是我创作最大的动力！
雪花算法snowflake分布式id生成原理详解，以及对解决时钟回拨问题几种方案讨论(代码片段)
文章目录一、前言二、雪花算法snowflake1、基本定义2、snowflake的优缺点三、Java代码实现snowflake1、组装生成id2、计算最大值的几种方式3、反解析ID4、ID生成器使用方式四、时钟回拨问题和解决方案讨论1、时间戳自增彻底解决时钟... 查看详情
java实现雪花算法（snowflake）-生成永不重复的id（源代码+工具类）使用案例(代码片段)
雪花算法是由Twitter公司开源的snowflake(雪花）算法。1、雪花算法的原理雪花算法会生成一个64位的二进制数据，为一个Long型。(转换成字符串后长度最多19)，其基本结构:第一位:为未使用第二部分:41位为毫秒级时间(41位... 查看详情
java实现雪花算法（snowflake）-生成永不重复的id（源代码+工具类）使用案例(代码片段)
雪花算法是由Twitter公司开源的snowflake(雪花）算法。1、雪花算法的原理雪花算法会生成一个64位的二进制数据，为一个Long型。(转换成字符串后长度最多19)，其基本结构:第一位:为未使用第二部分:41位为毫秒级时间(41位... 查看详情
分布式id理解snowflake算法的实现原理(代码片段)
1.概述转载：冷饭新炒：理解Snowflake算法的实现原理我上次也看了一个视频讲解：【分布式ID】键高并发分布式全局唯一ID雪花算法snowflake2.前提#Snowflake（雪花）是Twitter开源的高性能ID生成算法（服务）... 查看详情
snowflake雪花算法分布式实现全局id生成(代码片段)
snowflake是Twitter开源的分布式ID生成算法，结果是一个long型的ID。这种方案大致来说是一种以划分命名空间（UUID也算，由于比较常见，所以单独分析）来生成ID的一种算法，这种方案把64-bit分别划分成多段，分开来标示机器、时间... 查看详情
雪花算法原理解析(代码片段)
...戳)。美团Leaf算法(依赖于数据库，ZK)。 本文主要介绍SnowFlake算法，是Twitter开源的分布式id生成算法。 其核心思想就是： 查看详情
snowflake算法实现(代码片段)
...产生 ID 值使用雪花算法生成 ID 值二 雪花算法1 说明SnowFlake被称为雪花算法，它是分布式ID生成器。雪花算法是由Twitter公布的分布式主键生成算法，它能够保证不同表的主键的不重复性，以及相同表的主键的有序... 查看详情
雪花算法如何生成用户id？有什么高明之处？(代码片段)
...介前言雪花算法生成用户ID分布式ID生成器分布式ID的特点snowflake算法介绍设计思想snowflake的Go实现Twitter索尼雪花 查看详情
雪花算法(snowflake)delphi版(代码片段)
...位数，每毫秒可生成4096个ID用法：创建全局变量：snow:TDxSnowflake;创建对象：snow:=TDxSnowflake.Create;//不要忘了在退出时释放snow.Free;调用：snow.WorkerID:=100;mmo1.Lines.Add(FormatFloat(‘#0‘,snow.Generate));*)unitDxSnowflake;interfaceusesSystem.SysUtils,System... 查看详情
雪花算法(代码片段)
雪花算法(snowflake)：用于生成分布式ID（纯数字，时间顺序）,订单编号等自增ID：记录可以根据ID号进行推测出来，对于数据敏感场景不宜使用。GUID：采用无意义字符串，数据量增大时造成访问过慢，且不宜排序。雪花算法描述... 查看详情
雪花算法生成id(代码片段)
packagecom.shopping.test;/***SnowFlake的结构如下(每部分用-分开):<br>*0-00000000000000000000000000000000000000000-00000-00000-000000000000<br>*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... 查看详情
小白知识：数据库表主键id生成策略及snowflake雪花算法的由来(代码片段)
早期单机早期单机系统习惯的主键有两种方式：整数的自增主键和字符串主键整数自增主键，数据库自己维护，每次+1，优点快速简单，具有顺序，方便排序，缺点高并发时会有主键冲突问题。... 查看详情
snowflake雪花算法唯一id
packagesnowflake;/***Twitter_Snowflake<br>*SnowFlake的结构如下(每部分用-分开):<br>*0-00000000000000000000000000000000000000000-00000-00000-000000000000<br>*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 查看详情
遗传算法详解与matlab实现(代码片段)
目录1算法讲解1.1遗传算法流程描述1.2关于为什么要用二进制码表示个体信息1.3目标函数值与适应值区别1.4关于如何将二进制码转化为为变量数值1.4关于代码改进2各部分代码及使用2.1代码使用2.2--Genetic1--主函数2.3--PI(PopulationInitial... 查看详情
遗传算法详解与matlab实现(代码片段)
目录1算法讲解1.1遗传算法流程描述1.2关于为什么要用二进制码表示个体信息1.3目标函数值与适应值区别1.4关于如何将二进制码转化为为变量数值1.4关于代码改进2各部分代码及使用2.1代码使用2.2--Genetic1--主函数2.3--PI(PopulationInitial... 查看详情
分布式id生成方案-snowflake算法(代码片段)
...，欢迎关注。个人博客网站：分布式ID生成方案-snowflake算法背景在互联网的业务系统中，涉及到各种各样的ID，这些ID需要保证全局唯一。我们称之为分布式ID，分布式ID需要满足唯一性、趋势递增性、高可用性... 查看详情
6-9雪花算法与新增功能(代码片段)
新增工具类：/***Twitter的分布式自增ID雪花算法**/@ComponentpublicclassSnowFlake/***起始的时间戳*/privatefinalstaticlongSTART_STMP=1609459200000L;//2021-01-0100:00:00/***每一部分占用的位数*/privatefinalstaticlongSEQUEN 查看详情
snowflake(雪花算法)
参考技术A首先雪花算法就是生成一个64位的二进制数据，最终转换成长度为19的十进制正整数整型数据解释一下这64位分别代表什么意思，从左往右。当然这个算法的强大并不仅仅如此而已，这个算法的时间位、机器位、序列号... 查看详情