别人总结的“雪花算法”

1. 雪花算法

asong要出新系列之雪花算法(go)
Leaf——美团点评分布式ID生成系统

1.1 优点

① 毫秒数在高位，自增序列在低位，整个ID都是趋势递增的（但并不是全局有序，单机单实例是有序的）。
② 不依赖数据库等第三方系统，部署灵活，生成id的效率高。
③ 能根据自身业务，自己分配bit位。

1.2 缺点

强依赖机器时钟，如果机器上时钟回拨，会导致发号重复。

1.3 原理

snowFlake ID结构就是一个64bit的int型数据。

• 第1位bit ：

固定为0，因为在计算机存储中，最高位表示符号，因为我们需要正数的id，所以第一个位恒为0;

• 41bit-表示时间戳：

时间戳是指格林威治时间1970年01月01日00时00分00秒(北京时间1970年01月01日08时00分00秒)起至现在的总秒数。
41bit可以表示的数值范围是0 - (2^41 -1)，所以一共可以表示的年限是 (2^41 -1)/（1000 * 60 * 60 * 24 * 365）= 69 年。
我们可以设置一个初始时间戳，每次获取实际时间戳之后，减去设定的初始时间戳，来作为自己系统的时间戳。
这样从我们的系统起始，能用69年。

• 10bit-工作机器id

表示工作的机器id。
如果我们的系统是分布式的，这样每一台机器生成的分布式id也不能重复。
2^10=1024表示当前规则允许分布式最大节点数为1024个节点。
当然，如果节点没有这么多的话，可以将这10个bit按自己的定义划分，比如节点id、业务id等。

• 12bit-序列号

用来记录相同毫秒时间内产生的不同id，12bit可以表示2^12-1=4095，也就是说同一台机器在同一毫秒内，有4095个可以用的id。

1.4 如何避免时钟回拨？

① 时间差比较大的话，直接抛出异常，人工处理。【备用服务节点的方法。如果某一节点时钟回拨很大，直接下线该节点，采用备用节点替补的方式。这样的话，涉及到机器id的自动发放与回收的问题，美团采用的方法是使用Zookeeper持久顺序节点的特性自动对snowflake节点配置wokerId】
② 如果时钟回拨，时间差很小的范围，几ms的，将线程阻塞几ms，再次获取时间戳，看看是否比上一次大了。
③ 不以系统的时间戳作为标准。首先，记录系统启动时候的时间戳，每ms会有2^12-1=4095个id，系统业务按照序列号依次进行获取，当4095个id获取完毕后，时间戳自动加一。也就是说，时间戳不在获取系统的，而是由自己的业务去控制，当该毫秒级的时间戳的4095个id用完之后，让时间戳自增一，继续依次获取。