详解Twitter开源分布式自增ID算法snowflake,附演算验证过程

1.snowflake简介

互联网快速发展的今天,分布式应用系统已经见怪不怪,在分布式系统中,我们需要各种各样的ID,既然是ID那么必然是要保证全局唯一,除此之外,不同当业务还需要不同的特性,比如像并发巨大的业务要求ID生成效率高,吞吐大;比如某些银行类业务,需要按每日日期制定交易流水号;又比如我们希望用户的ID是随机的,无序的,纯数字的,且位数长度是小于10位的。等等,不同的业务场景需要的ID特性各不一样,于是,衍生了各种ID生成器,但大多数利用数据库控制ID的生成,性能受数据库并发能力限制,那么有没有一款不需要依赖任何中间件(如数据库,分布式缓存服务等)的ID生成器呢?本着取之于开源,用之于开源的原则,今天,特此介绍Twitter开源的一款分布式自增ID算法snowflake,并附上算法原理推导和演算过程!

snowflake算法是一款本地生成的(ID生成过程不依赖任何中间件,无网络通信),保证ID全局唯一,并且ID总体有序递增,性能每秒生成300w+。

2.snowflake算法原理

snowflake生产的ID二进制结构表示如下(每部分用-分开):0 – 00000000 00000000 00000000 00000000 00000000 0 – 00000 – 00000 – 00000000 0000

第一位未使用,接下来的41位为毫秒级时间(41位的长度可以使用69年,从1970-01-01 08:00:00),然后是5位datacenterId(最大支持2^5=32个,二进制表示从00000-11111,也即是十进制0-31),和5位workerId(最大支持2^5=32个,原理同datacenterId),所以datacenterId*workerId最多支持部署1024个节点,最后12位是毫秒内的计数(12位的计数顺序号支持每个节点每毫秒产生2^12=4096个ID序号).

所有位数加起来共64位,恰好是一个Long型(转换为字符串长度为18).

单台机器实例,通过时间戳保证前41位是唯一的,分布式系统多台机器实例下,通过对每个机器实例分配不同的datacenterId和workerId避免中间的10位碰撞。最后12位每毫秒从0递增生产ID,再提一次:每毫秒最多生成4096个ID,每秒可达4096000个。理论上,只要CPU计算能力足够,单机每秒可生产400多万个,实测300w+,效率之高由此可见。

(该节改编自:http://www.cnblogs.com/relucent/p/4955340.html)

3.snowflake算法源码(java版)

[java] view plain copy

  1. @ToString
  2. @Slf4j
  3. public class SnowflakeIdFactory {
  4.     private final long twepoch = 1288834974657L;
  5.     private final long workerIdBits = 5L;
  6.     private final long datacenterIdBits = 5L;
  7.     private final long maxWorkerId = -1L ^ (-1L << workerIdBits);
  8.     private final long maxDatacenterId = -1L ^ (-1L << datacenterIdBits);
  9.     private final long sequenceBits = 12L;
  10.     private final long workerIdShift = sequenceBits;
  11.     private final long datacenterIdShift = sequenceBits + workerIdBits;
  12.     private final long timestampLeftShift = sequenceBits + workerIdBits + datacenterIdBits;
  13.     private final long sequenceMask = -1L ^ (-1L << sequenceBits);
  14.     private long workerId;
  15.     private long datacenterId;
  16.     private long sequence = 0L;
  17.     private long lastTimestamp = -1L;
  18.     public SnowflakeIdFactory(long workerId, long datacenterId) {
  19.         if (workerId > maxWorkerId || workerId < 0) {
  20.             throw new IllegalArgumentException(String.format(“worker Id can’t be greater than %d or less than 0”, maxWorkerId));
  21.         }
  22.         if (datacenterId > maxDatacenterId || datacenterId < 0) {
  23.             throw new IllegalArgumentException(String.format(“datacenter Id can’t be greater than %d or less than 0”, maxDatacenterId));
  24.         }
  25.         this.workerId = workerId;
  26.         this.datacenterId = datacenterId;
  27.     }
  28.     public synchronized long nextId() {
  29.         long timestamp = timeGen();
  30.         if (timestamp < lastTimestamp) {
  31.             //服务器时钟被调整了,ID生成器停止服务.
  32.             throw new RuntimeException(String.format(“Clock moved backwards.  Refusing to generate id for %d milliseconds”, lastTimestamp – timestamp));
  33.         }
  34.         if (lastTimestamp == timestamp) {
  35.             sequence = (sequence + 1) & sequenceMask;
  36.             if (sequence == 0) {
  37.                 timestamp = tilNextMillis(lastTimestamp);
  38.             }
  39.         } else {
  40.             sequence = 0L;
  41.         }
  42.         lastTimestamp = timestamp;
  43.         return ((timestamp – twepoch) << timestampLeftShift) | (datacenterId << datacenterIdShift) | (workerId << workerIdShift) | sequence;
  44.     }
  45.     protected long tilNextMillis(long lastTimestamp) {
  46.         long timestamp = timeGen();
  47.         while (timestamp <= lastTimestamp) {
  48.             timestamp = timeGen();
  49.         }
  50.         return timestamp;
  51.     }
  52.     protected long timeGen() {
  53.         return System.currentTimeMillis();
  54.     }
  55.     public static void testProductIdByMoreThread(int dataCenterId, int workerId, int n) throws InterruptedException {
  56.         List<Thread> tlist = new ArrayList<>();
  57.         Set<Long> setAll = new HashSet<>();
  58.         CountDownLatch cdLatch = new CountDownLatch(10);
  59.         long start = System.currentTimeMillis();
  60.         int threadNo = dataCenterId;
  61.         Map<String,SnowflakeIdFactory> idFactories = new HashMap<>();
  62.         for(int i=0;i<10;i++){
  63.             //用线程名称做map key.
  64.             idFactories.put(“snowflake”+i,new SnowflakeIdFactory(workerId, threadNo++));
  65.         }
  66.         for(int i=0;i<10;i++){
  67.             Thread temp =new Thread(new Runnable() {
  68.                 @Override
  69.                 public void run() {
  70.                     Set<Long> setId = new HashSet<>();
  71.                     SnowflakeIdFactory idWorker = idFactories.get(Thread.currentThread().getName());
  72.                     for(int j=0;j<n;j++){
  73.                         setId.add(idWorker.nextId());
  74.                     }
  75.                     synchronized (setAll){
  76.                         setAll.addAll(setId);
  77.                         log.info(“{}生产了{}个id,并成功加入到setAll中.”,Thread.currentThread().getName(),n);
  78.                     }
  79.                     cdLatch.countDown();
  80.                 }
  81.             },“snowflake”+i);
  82.             tlist.add(temp);
  83.         }
  84.         for(int j=0;j<10;j++){
  85.             tlist.get(j).start();
  86.         }
  87.         cdLatch.await();
  88.         long end1 = System.currentTimeMillis() – start;
  89.         log.info(“共耗时:{}毫秒,预期应该生产{}个id, 实际合并总计生成ID个数:{}”,end1,10*n,setAll.size());
  90.     }
  91.     public static void testProductId(int dataCenterId, int workerId, int n){
  92.         SnowflakeIdFactory idWorker = new SnowflakeIdFactory(workerId, dataCenterId);
  93.         SnowflakeIdFactory idWorker2 = new SnowflakeIdFactory(workerId+1, dataCenterId);
  94.         Set<Long> setOne = new HashSet<>();
  95.         Set<Long> setTow = new HashSet<>();
  96.         long start = System.currentTimeMillis();
  97.         for (int i = 0; i < n; i++) {
  98.             setOne.add(idWorker.nextId());//加入set
  99.         }
  100.         long end1 = System.currentTimeMillis() – start;
  101.         log.info(“第一批ID预计生成{}个,实际生成{}个<<<<*>>>>共耗时:{}”,n,setOne.size(),end1);
  102.         for (int i = 0; i < n; i++) {
  103.             setTow.add(idWorker2.nextId());//加入set
  104.         }
  105.         long end2 = System.currentTimeMillis() – start;
  106.         log.info(“第二批ID预计生成{}个,实际生成{}个<<<<*>>>>共耗时:{}”,n,setTow.size(),end2);
  107.         setOne.addAll(setTow);
  108.         log.info(“合并总计生成ID个数:{}”,setOne.size());
  109.     }
  110.     public static void testPerSecondProductIdNums(){
  111.         SnowflakeIdFactory idWorker = new SnowflakeIdFactory(12);
  112.         long start = System.currentTimeMillis();
  113.         int count = 0;
  114.         for (int i = 0; System.currentTimeMillis()-start<1000; i++,count=i) {
  115.             /**  测试方法一: 此用法纯粹的生产ID,每秒生产ID个数为300w+ */
  116.             idWorker.nextId();
  117.             /**  测试方法二: 在log中打印,同时获取ID,此用法生产ID的能力受限于log.error()的吞吐能力.
  118.              * 每秒徘徊在10万左右. */
  119.             //log.error(“{}”,idWorker.nextId());
  120.         }
  121.         long end = System.currentTimeMillis()-start;
  122.         System.out.println(end);
  123.         System.out.println(count);
  124.     }
  125.     public static void main(String[] args) {
  126.         /** case1: 测试每秒生产id个数?
  127.          *   结论: 每秒生产id个数300w+ */
  128.         //testPerSecondProductIdNums();
  129.         /** case2: 单线程-测试多个生产者同时生产N个id,验证id是否有重复?
  130.          *   结论: 验证通过,没有重复. */
  131.         //testProductId(1,2,10000);//验证通过!
  132.         //testProductId(1,2,20000);//验证通过!
  133.         /** case3: 多线程-测试多个生产者同时生产N个id, 全部id在全局范围内是否会重复?
  134.          *   结论: 验证通过,没有重复. */
  135.         try {
  136.             testProductIdByMoreThread(1,2,100000);//单机测试此场景,性能损失至少折半!
  137.         } catch (InterruptedException e) {
  138.             e.printStackTrace();
  139.         }
  140.     }
  141. }

测试用例:

/** case1: 测试每秒生产id个数?
 *   结论: 每秒生产id个数300w+ */
//testPerSecondProductIdNums();

/** case2: 单线程-测试多个生产者同时生产N个id,验证id是否有重复?
 *   结论: 验证通过,没有重复. */
//testProductId(1,2,10000);//验证通过!
//testProductId(1,2,20000);//验证通过!

/** case3: 多线程-测试多个生产者同时生产N个id, 全部id在全局范围内是否会重复?
 *   结论: 验证通过,没有重复. */
try {
    testProductIdByMoreThread(1,2,100000);//单机测试此场景,性能损失至少折半!
} catch (InterruptedException e) {
    e.printStackTrace();
}

4.snowflake算法推导和演算过程

说明:

演算使用的对象实例:SnowflakeIdFactory idWorker = new SnowflakeIdFactory(1, 2);

运行时数据workerId1datacenterId2,分别表示机器实例的生产者编号,数据中心编号;

sequence0表示每毫秒生产ID0开始计数递增;

以下演算基于时间戳=1482394743339时刻进行推导。

一句话描述:以下演算模拟了1482394743339这一毫秒时刻,workerId=1datacenterId=2的id生成器,生产第一个id的过程。

图片[1]-详解Twitter开源分布式自增ID算法snowflake,附演算验证过程-第五维

(图片原创,转载请注明出处,画图不易,谢谢!)

end!

参考

https://github.com/twitter/snowflake

http://www.cnblogs.com/relucent/p/4955340.html

Twitter Snowflake算法详解

2016年10月09日 19:48:56

url: http://blog.csdn.net/yangding_/article/details/52768906

一、简介

Twitter Snowflake算法是用来在分布式场景下生成唯一ID的。

举个栗子:我们有10台分布式MySql服务器,我们的系统每秒能生成10W条数据插入到这10台机器里,现在我们需要为每一条数据生成一个全局唯一的ID, 并且这些 ID 有大致的顺序。

二、算法图解

这里写图片描述
如图:最后生成的ID是一个long类型,long占64bit,符号位占1位,剩下63位,我们将这63位拆分成4段,就可以表示:某一毫秒内的某一集群内的某一机器的第几个ID。

有人会问:为什么时间戳要占41位?sequence要占12位?而其他两个要各占5位?
答:这是根据具体需求来分的,你也可以自己再去将这63为重新拆分。例如:sequence占12位就可以在同一毫秒内的同一集群的同一机器上同时有2^12 – 1 个线程。

三、快快上码

  • public class IdWorker {
  • protected static final Logger LOG = LoggerFactory.getLogger(IdWorker.class);
  • private long workerId;
  • private long datacenterId;
  • private long sequence = 0L;
  • private long twepoch = 1288834974657L;
  • private long workerIdBits = 5L;
  • private long datacenterIdBits = 5L;
  • private long maxWorkerId = –1L ^ (-1L << workerIdBits);
  • private long maxDatacenterId = –1L ^ (-1L << datacenterIdBits);
  • private long sequenceBits = 12L;
  • private long workerIdShift = sequenceBits;
  • private long datacenterIdShift = sequenceBits + workerIdBits;
  • private long timestampLeftShift = sequenceBits + workerIdBits + datacenterIdBits;
  • private long sequenceMask = –1L ^ (-1L << sequenceBits);
  • private long lastTimestamp = –1L;
  • public IdWorker(long workerId, long datacenterId) {
  • // sanity check for workerId
  • if (workerId > maxWorkerId || workerId < 0) {
  • throw new IllegalArgumentException(String.format(“worker Id can’t be greater than %d or less than 0”, maxWorkerId));
  • }
  • if (datacenterId > maxDatacenterId || datacenterId < 0) {
  • throw new IllegalArgumentException(String.format(“datacenter Id can’t be greater than %d or less than 0”, maxDatacenterId));
  • }
  • this.workerId = workerId;
  • this.datacenterId = datacenterId;
  • LOG.info(String.format(“worker starting. timestamp left shift %d, datacenter id bits %d, worker id bits %d, sequence bits %d, workerid %d”, timestampLeftShift, datacenterIdBits, workerIdBits, sequenceBits, workerId));
  • }
  • public synchronized long nextId() {
  • long timestamp = timeGen();
  • if (timestamp < lastTimestamp) {
  • LOG.error(String.format(“clock is moving backwards. Rejecting requests until %d.”, lastTimestamp));
  • throw new RuntimeException(String.format(“Clock moved backwards. Refusing to generate id for %d milliseconds”, lastTimestamp – timestamp));
  • }
  • if (lastTimestamp == timestamp) {
  • sequence = (sequence + 1) & sequenceMask;
  • if (sequence == 0) {
  • timestamp = tilNextMillis(lastTimestamp);
  • }
  • } else {
  • sequence = 0L;
  • }
  • lastTimestamp = timestamp;
  • return ((timestamp – twepoch) << timestampLeftShift) | (datacenterId << datacenterIdShift) | (workerId << workerIdShift) | sequence;
  • }
  • protected long tilNextMillis(long lastTimestamp) {
  • long timestamp = timeGen();
  • while (timestamp <= lastTimestamp) {
  • timestamp = timeGen();
  • }
  • return timestamp;
  • }
  • protected long timeGen() {
  • return System.currentTimeMillis();
  • }
  • }

 

四、Q&A

问题1:twepoch 为什么要等于1288834974657L 而不等于其他数?
答: 1288834974657 是 (Thu, 04 Nov 2010 01:42:54 GMT) 这一时刻到1970-01-01 00:00:00时刻所经过的毫秒数。41位字节作为时间戳数值的话,大约68年就会用完,假如你2010年1月1日开始开发系统,如果不减去2010年1月1日的时间戳,那么白白浪费40年的时间戳啊!所有减去twepoch 可以让系统在41位字节作为时间戳的情况下的运行时间更长。1288834974657L可能就是该项目开始成立的时间。

问题2:类似这种long maxWorkerId = -1L ^ (-1L << workerIdBits);操作是什么意思?
答: -1L ^ (-1L << n)表示占n个bit的数字的最大值是多少。举个栗子:-1L ^ (-1L << 2)等于10进制的3 ,即二进制的11表示十进制3。

注意:计算机存放数字都是存放数字的补码,正数的原码、补码、反码都一样,负数的补码是其反码加一。符号位做取反操作时不变,做逻辑与、或、非、异或操作时要参与运算。

再来个栗子:
-1L原码 : 1000 0001
-1L反码 : 1111 1110
-1L补码 : 1111 1111
-1L<<5 : 1110 0000
1111 1111 ^ 1110 0000 : 0001 1111
0001 1111是正数,所以补码、反码、原码都一样,所以0001 1111是31

问题3:((timestamp – twepoch) << timestampLeftShift) | (datacenterId << datacenterIdShift) | (workerId << workerIdShift) | sequence是什么意思?
答:我只发图不说话
这里写图片描述

 

© 版权声明
THE END
喜欢就支持一下吧
点赞0 分享