增强版雪花算法-防重复

一、介绍

简单介绍下雪花算法：核心思想就是使用一个64位bit的long型数字作为全局id；那么这个64位的bit由如下几部分组成

第一部分：1bit；0，表示为正数

第二部分：41bit，时间戳

第三部分：10bit（如果是多机房可以拆分成两部分，即机房部分+机器部分），机器的唯一标识

第四部分：12bit，表示的序号，就是某个机房某台机器上这一毫秒内同时生成的 id 的序号

 

由以上的组成部分 我们可以直观看出 集群模式下只要保证第三部分唯一，就可以保证集群模式下不会出现重复的id；

 

我们可以借助于数据库，即每次项目启动时，初始化雪花算法的第三部分（机器唯一标识），去数据库里取当前自增id，拿取道的自增id % 2^10（第三部分长度为10bit），这样做的目的是为了自增id超过2^10仍然可以使用；

 

二、上代码

/**
 * ID 生成器
 * <p>
 * 整个ID算法很简单,
 * 1. 参考Flickr ID生成算法, 使用MYSQL获得一个自增ID, 然后对ID取模, 算出一个服务器ID
 * 2. 参考Twitter的雪花算法, 算出一个long型ID
 * <p>
 * 该算法保证在30年内, 6万台机器, 单机每秒可以产出128, 000个不重复ID
 * <p>
 * |1, 000, 0000, 0000, 0000, 0000, 0000, 0000, 0000, 0000, 0000, 0 |000, 0000, 0000, 0000, 0 |000, 0000           |
 * | |                   时间戳(40位)                                |   服务器ID(16位)         | 单个时间戳内的Id(7位) |
 */
@Service
public class IDGeneratorService implements CommandLineRunner {

    private static final Logger LOG = LoggerFactory.getLogger(IDGeneratorService.class);

    // 时间戳从哪一年开始计时
    private static final int START_YEAR = 2020;

    // 时间取40位
    private static final int timeBitsSize = 40;
    private static final int serverIdBitsSize = 16;
    private static final int countBitsSize = 7;

    private long maxIdPerMill;

    // 时间开始时间戳, 相当于System.currentTimeMillis()的1970年
    private long startDateTime;
    // 服务器ID表示位, 在集群中表示一个节点
    private long serverIdBits;
    // 单机中, 某个时刻生长得id
    private long currentID;

    private long maxTime;

    private long lastGenerateTime = System.currentTimeMillis();
    private Object lock = new Object();

    @Resource
    private PLServiceIdMapper plServiceIdMapper;

    public void init() {
        // 1. 计算出开始生成ID的起始时间戳
        LocalDateTime start = LocalDateTime.of(START_YEAR, 1, 1, 0, 0);
        startDateTime = start.toInstant(ZoneOffset.of("+8")).toEpochMilli();

        // 2. 算出支持最大年限的时间
        maxTime = ((Double) Math.pow(2, timeBitsSize)).longValue();

        // 3. 算出每毫秒能产出多少ID
        maxIdPerMill = ((Double) Math.pow(2, countBitsSize)).longValue();

        /**
         * 4. 根据Mysql自增ID取模, 算出每个服务器ID, 在生产环境中, 应该保证服务器数量是该值的一半, 如此一来就可以避免, 服务器集群整体
         * 重启时, 不会拿到与重启之前的服务器相同的Id
         * 这个值的计算是为了适应这种场景, 在服务器灰度上线的时候, 有可能是原来的服务器还没有关闭, 但是新的服务器已经起来了, 此时会有俩套
         * 服务器同时在处理业务逻辑, 那么它们就有可能拿到一样的服务器ID, 从而导致产生一样的ID号
         */
        long serverSize = ((Double) Math.pow(2, serverIdBitsSize)).longValue();

        DBManager.select(DataSourceTypes.MASTER_PL_FINANCE);
        PLServiceId plServiceId = new PLServiceId();
        plServiceIdMapper.nextId(plServiceId);
        long serverId = (int) (plServiceId.getId() % serverSize);
        DBManager.remove();

        /**
         * 5. 算出每个服务器ID在long类型中的数据位置, 然后缓存起来
         */
        serverIdBits = (serverId << (countBitsSize));

        LOG.info("[ID生成器] 开始时间:{}, 时间戳:{} ", new Date(startDateTime), startDateTime);
        LOG.info("[ID生成器] 结束时间:{}, 时间戳:{} ", new Date(startDateTime + maxTime), maxTime);
        LOG.info("[ID生成器] 每毫秒生成最大ID数:{} ", maxIdPerMill);
        LOG.info("[ID生成器] 当前serverId: {}, serverIdSize:{}", serverId, serverSize);
        LOG.info("[ID生成器] serverIdBits: {}", Long.toBinaryString(serverIdBits));
    }

    /**
     * 生成一个64位的GUID
     * <p>
     * 在next()方法中, 没有使用任何的对象, 如此一来就可以减轻GC的压力.
     */
    public long next() {

        synchronized (lock) {
            long curTime = System.currentTimeMillis() - startDateTime;
            if (curTime >= maxTime) {
               LOG.error("[ID生成器] 超过负载, {}, {}！返回 -1", curTime, maxTime);
                throw new RuntimeException("[ID生成器] 超过负载");
            }

            if (lastGenerateTime != curTime) {
                currentID = 0;
            } else {

                if (currentID >= maxIdPerMill) {
                   LOG.error("[ID生成器] 同一毫秒[" + curTime + "]内生成" + currentID + "个ID！返回 -1");
                    return -1;
                }

                ++currentID;
            }

            lastGenerateTime = curTime;
            long gid = (curTime << countBitsSize + serverIdBitsSize) | serverIdBits;
            gid |= currentID;

            return gid;
        }
    }

    public long tryNextId() {
        for (int i = 0; i < 1000; i++) {

            long start = System.currentTimeMillis();
            long id = next();
            long diff = System.currentTimeMillis() - start;
            if (diff > 3) {
                String tid = Thread.currentThread().getName();
                LOG.warn("[ID生成器] 线程{} 生成ID: {} 大于3毫秒: {}", tid, id, diff);
            }

            if (id == -1) {
                try {
                    TimeUnit.MILLISECONDS.sleep(1);
                } catch (InterruptedException e) {
                    e.printStackTrace();
                }
                continue;
            }
            return id;
        }
        return -1;
    }

    public String tryNextStrId() {
        return String.valueOf(tryNextId());
    }

    public String nextStrId() {
        return String.valueOf(next());
    }


    @Override
    public void run(String... args) throws Exception {
        init();
    }

}

 

数据库部分：

@Repository
public interface PLServiceIdMapper extends BaseMapper<PLServiceId> {

    @Insert("REPLACE INTO pl_server_id (stub) VALUES ('a');")
    @SelectKey(statement = "SELECT LAST_INSERT_ID()", keyProperty = "id", before = false, resultType = Long.class)
    Long nextId(PLServiceId plServiceId);

}

 

表：

create table pl_server_id
(
    id   bigint unsigned auto_increment primary key,
    stub char null,
    constraint stub
        unique (stub)
);