java算法之静态内部类实现雪花算法
在生成表主键ID时，我们可以考虑主键自增 或者 UUID,但它们都有很明显的缺点
主键自增：1、自增ID容易被爬虫遍历数据。2、分表分库会有ID冲突。
UUID: 1、太长，并且有索引碎片，索引多占用空间的问题 2、无序。
雪花算法就很适合在分布式场景下生成唯一ID,它既可以保证唯一又可以排序。为了提高生产雪花ID的效率，
在这里面数据的运算都采用的是位运算
一、概念1、原理SnowFlake算法生成ID的结果是一个64bit大小的整数，它的结构如下图：
算法描述：
1bit 因为二进制中最高位是符号位，1表示负数，0表示正数。生成的ID都是正整数，所以最高位固定为0。
41bit-时间戳 精确到毫秒级，41位的长度可以使用69年。时间位还有一个很重要的作用是可以根据时间进行排序。
10bit-工作机器id 10位的机器标识，10位的长度最多支持部署1024个节点。
12bit-序列号 序列号即一系列的自增id，可以支持同一节点同一毫秒生成多个ID序号。12位（bit）可以表示的最大正整数是，即可以用0、1、2、3、....4094这4095个数字，来表示同一机器同一时间截（毫秒)内产生的4095个ID序号。
说明 由于在Java中64bit的整数是long类型,所以在Java中SnowFlake算法生成的id就是long来存储的。
二、静态类部类单例模式生产雪花ID代码下面生成雪花ID的代码可以用于线上分布式项目中来生成分布式主键ID,因为设计采用的静态内部类的单例模式，通过加synchronized锁来保证在
同一个服务器线程安全。至于不同服务器其实是不相关的,因为它们的机器码是不一致的,所以就算同一时刻两台服务器都产生了雪花ID,那也不会一样的。
1、代码public class SnowIdUtils { /** * 私有的 静态内部类 */ private static class SnowFlake {/** * 内部类对象（单例模式） */private static final SnowIdUtils.SnowFlake SNOW_FLAKE = new SnowIdUtils.SnowFlake();/** * 起始的时间戳 */private final long START_TIMESTAMP = 1557489395327L;/** * 序列号占用位数 */private final long SEQUENCE_BIT = 12;/** * 机器标识占用位数 */private final long MACHINE_BIT = 10;/** * 时间戳位移位数 */private final long TIMESTAMP_LEFT = SEQUENCE_BIT + MACHINE_BIT;/** * 最大序列号 （4095） */private final long MAX_SEQUENCE = ~(-1L << SEQUENCE_BIT);/** * 最大机器编号 （1023） */private final long MAX_MACHINE_ID = ~(-1L << MACHINE_BIT);/** * 生成id机器标识部分 */private long machineIdPart;/** * 序列号 */private long sequence = 0L;/** * 上一次时间戳 */private long lastStamp = -1L;/** * 构造函数初始化机器编码 */private SnowFlake() { //模拟这里获得本机机器编码 long localIp = 4321; //localIp & MAX_MACHINE_ID最大不会超过1023,在左位移12位 machineIdPart = (localIp & MAX_MACHINE_ID) << SEQUENCE_BIT;}/** * 获取雪花ID */public synchronized long nextId() { long currentStamp = timeGen(); //避免机器时钟回拨 while (currentStamp < lastStamp) {// //服务器时钟被调整了,ID生成器停止服务.throw new RuntimeException(String.format('时钟已经回拨. Refusing to generate id for %d milliseconds', lastStamp - currentStamp)); } if (currentStamp == lastStamp) {// 每次+1sequence = (sequence + 1) & MAX_SEQUENCE;// 毫秒内序列溢出if (sequence == 0) { // 阻塞到下一个毫秒,获得新的时间戳 currentStamp = getNextMill();} } else {//不同毫秒内，序列号置0sequence = 0L; } lastStamp = currentStamp; //时间戳部分+机器标识部分+序列号部分 return (currentStamp - START_TIMESTAMP) << TIMESTAMP_LEFT | machineIdPart | sequence;}/** * 阻塞到下一个毫秒，直到获得新的时间戳 */private long getNextMill() { long mill = timeGen(); // while (mill <= lastStamp) {mill = timeGen(); } return mill;}/** * 返回以毫秒为单位的当前时间 */protected long timeGen() { return System.currentTimeMillis();} } /** * 获取long类型雪花ID */ public static long uniqueLong() {return SnowIdUtils.SnowFlake.SNOW_FLAKE.nextId(); } /** * 获取String类型雪花ID */ public static String uniqueLongHex() {return String.format('%016x', uniqueLong()); } /** * 测试 */ public static void main(String[] args) throws InterruptedException {//计时开始时间long start = System.currentTimeMillis();//让100个线程同时进行final CountDownLatch latch = new CountDownLatch(100);//判断生成的20万条记录是否有重复记录final Map<Long, Integer> map = new ConcurrentHashMap();for (int i = 0; i < 100; i++) { //创建100个线程 new Thread(() -> {for (int s = 0; s < 2000; s++) { long snowID = SnowIdUtils.uniqueLong(); log.info('生成雪花ID={}',snowID); Integer put = map.put(snowID, 1); if (put != null) {throw new RuntimeException('主键重复'); }}latch.countDown(); }).start();}//让上面100个线程执行结束后，在走下面输出信息latch.await();log.info('生成20万条雪花ID总用时={}', System.currentTimeMillis() - start); }}2、测试结果
从图中我们可以得出
1、在100个线程并发下，生成20万条雪花ID的时间大概在1.6秒左右，所有所性能还是蛮ok的。
2、生成20万条雪花ID并没有一条相同的ID,因为有一条就会抛出异常了。
3、为什么说41位时间戳最长只能有69年我们思考41的二进制，最大值也就41位都是1，也就是也就是说41位可以表示
所以说雪花算法生成的ID,只能保证69年内不会重复，如果超过69年的话，那就考虑换个服务器部署吧，并且要保证该服务器的ID和之前都没有重复过。
以上就是java算法之静态内部类实现雪花算法的详细内容，更多关于java算法的资料请关注好吧啦网其它相关文章！
相关文章：
网公网安备