Java实现雪花算法(snowflake)

本文主要介绍了Java实现雪花算法(snowflake)，分享给大家，具体如下：

简单描述

最高位是符号位，始终为0，不可用。

• 41位的时间序列，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。注意，41位时间截不是存储当前时间的时间截，而是存储时间截的差值（当前时间截 - 开始时间截) 后得到的值，这里的的开始时间截，一般是我们的id生成器开始使用的时间，由我们程序来指定的（如下下面程序SnowFlake类的START_STMP属性）。41位的时间截，可以使用69年，年T = (1L << 41) / (1000L * 60 * 60 * 24 * 365) = 69

• 10位的机器标识，10位的长度最多支持部署1024个节点。

• 12位的计数序列号，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位的计数序列号支持每个节点每毫秒产生4096个ID序号。

加起来刚好64位，为一个Long型。这个算法很简洁，但依旧是一个很好的ID生成策略。其中，10位器标识符一般是5位IDC+5位machine编号，唯一确定一台机器。

算法实现

public class SnowFlake {
// 起始的时间戳
private final static long START_STMP = 1577808000000L; //2020-01-01
// 每一部分占用的位数，就三个
private final static long SEQUENCE_BIT = 12; //序列号占用的位数
private final static long MACHINE_BIT = 5; //机器标识占用的位数
private final static long DATACENTER_BIT = 5; //数据中心占用的位数
// 每一部分最大值
private final static long MAX_DATACENTER_NUM = -1L ^ (-1L << DATACENTER_BIT);
private final static long MAX_MACHINE_NUM = -1L ^ (-1L << MACHINE_BIT);
private final static long MAX_SEQUENCE = -1L ^ (-1L << SEQUENCE_BIT);
// 每一部分向左的位移
private final static long MACHINE_LEFT = SEQUENCE_BIT;
private final static long DATACENTER_LEFT = SEQUENCE_BIT + MACHINE_BIT;
private final static long TIMESTMP_LEFT = DATACENTER_LEFT + DATACENTER_BIT;
private long datacenterId; //数据中心
private long machineId; //机器标识
private long sequence = 0L; //序列号
private long lastStmp = -1L; //上一次时间戳

public SnowFlake(long datacenterId, long machineId) {
 if (datacenterId > MAX_DATACENTER_NUM || datacenterId < 0) {
  throw new IllegalArgumentException("datacenterId can't be greater than MAX_DATACENTER_NUM or less than 0");
 }
 if (machineId > MAX_MACHINE_NUM || machineId < 0) {
  throw new IllegalArgumentException("machineId can't be greater than MAX_MACHINE_NUM or less than 0");
 }
 this.datacenterId = datacenterId;
 this.machineId = machineId;
}

//产生下一个ID
public synchronized long nextId() {
 long currStmp = timeGen();
 if (currStmp < lastStmp) {
  throw new RuntimeException("Clock moved backwards. Refusing to generate id");
 }

if (currStmp == lastStmp) {
  //if条件里表示当前调用和上一次调用落在了相同毫秒内，只能通过第三部分，序列号自增来判断为唯一，所以+1.
  sequence = (sequence + 1) & MAX_SEQUENCE;
  //同一毫秒的序列数已经达到最大，只能等待下一个毫秒
  if (sequence == 0L) {
   currStmp = getNextMill();
  }
 } else {
  //不同毫秒内，序列号置为0
  //执行到这个分支的前提是currTimestamp > lastTimestamp，说明本次调用跟上次调用对比，已经不再同一个毫秒内了，这个时候序号可以重新回置0了。
  sequence = 0L;
 }

lastStmp = currStmp;
 //就是用相对毫秒数、机器ID和自增序号拼接
 return (currStmp - START_STMP) << TIMESTMP_LEFT //时间戳部分
   | datacenterId << DATACENTER_LEFT  //数据中心部分
   | machineId << MACHINE_LEFT    //机器标识部分
   | sequence;        //序列号部分
}

private long getNextMill() {
 long mill = timeGen();
 while (mill <= lastStmp) {
  mill = timeGen();
 }
 return mill;
}

private long timeGen() {
 return System.currentTimeMillis();
}
}

当增加一秒生成ID的时候就是增加10位的机器标识+12位序列+约2的10次方（1000毫秒），最终就是增加一个2的32次方4 294 967 296就是42亿左右

但是这里有一个坑，雪花算法产生的长整数的精度可能超过javascript能表达的精度，这会导致js获取的id与雪花算法算出来的id不一致，如雪花算法得到的是36594866121080832，但是因为javascript丢失精度后只获取到36594866121080830， 这会导致对数据的所有操作都失效。

解决办法：后端的语言获取到雪花算法的id后将其转换为String类型，这样js也会当做字符串来处理，就不会丢失精度了。

配置方法

@Configuration
public class WebMvcConfig implements WebMvcConfigurer {

@Autowired
public void configureMessageConverters(List<HttpMessageConverter<?>> converters) {
 converters.add(toStringConverter());
}

/**
 * BigDecimal Long 转化为String
 *
 * @return
 */
@Bean
public MappingJackson2HttpMessageConverter toStringConverter() {
 MappingJackson2HttpMessageConverter converter = new MappingJackson2HttpMessageConverter();
 ObjectMapper mapper = new ObjectMapper();
 SimpleModule simpleModule = new SimpleModule();
 simpleModule.addSerializer(BigDecimal.class, BigDecimalToStringSerializer.instance);
 simpleModule.addSerializer(Long.class, ToStringSerializer.instance);
 simpleModule.addSerializer(Long.TYPE, ToStringSerializer.instance);
 simpleModule.addSerializer(long.class, ToStringSerializer.instance);
 mapper.registerModule(simpleModule);
// Include.Include.ALWAYS 默认
// Include.NON_DEFAULT 属性为默认值不序列化
// Include.NON_EMPTY 属性为 空（""） 或者为 NULL 都不序列化，则返回的json是没有这个字段的。这样对移动端会更省流量
// Include.NON_NULL 属性为NULL 不序列化
mapper.setSerializationInclusion(JsonInclude.Include.NON_NULL);
mapper.configure(DeserializationFeature.FAIL_ON_UNKNOWN_PROPERTIES, false);
mapper.configure(JsonParser.Feature.ALLOW_UNQUOTED_CONTROL_CHARS, true);// 允许出现特殊字符和转义符
mapper.configure(JsonParser.Feature.ALLOW_SINGLE_QUOTES, true); // 允许出现单引号

converter.setObjectMapper(mapper);

return converter;
}

@JacksonStdImpl
static class BigDecimalToStringSerializer extends ToStringSerializer {
 public final static BigDecimalToStringSerializer instance = new BigDecimalToStringSerializer();

public BigDecimalToStringSerializer() {
  super(Object.class);
 }

public BigDecimalToStringSerializer(Class<?> handledType) {
  super(handledType);
 }

@Override
 public boolean isEmpty(SerializerProvider prov, Object value) {
  if (value == null) {
   return true;
  }
  String str = ((BigDecimal) value).stripTrailingZeros().toPlainString();
  return str.isEmpty();
 }

@Override
 public void serialize(Object value, JsonGenerator gen, SerializerProvider provider)
   throws IOException {
  gen.writeString(((BigDecimal) value).stripTrailingZeros().toPlainString());
 }

@Override
 public JsonNode getSchema(SerializerProvider provider, Type typeHint) throws JsonMappingException {
  return createSchemaNode("string", true);
 }

@Override
 public void serializeWithType(Object value, JsonGenerator gen,
         SerializerProvider provider, TypeSerializer typeSer)
   throws IOException {
  // no type info, just regular serialization
  serialize(value, gen, provider);
 }
}
}

来源：https://www.cnblogs.com/grasp/p/12309726.html