SnowflakeUid 雪花算法获取uuid
package com.hyt.obt.common;
/**
- Twitter_Snowflake
- SnowFlake的结构如下(每部分用-分开):
- 0 - 0000000000 0000000000 0000000000 0000000000 0 - 00000 - 00000 - 000000000000
- 1位标识,由于long基本类型在Java中是带符号的,最高位是符号位,正数是0,负数是1,所以id一般是正数,最高位是0
- 41位时间截(毫秒级),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)
- 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IdWorker类的startTime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位的数据机器位,可以部署在1024个节点,包括10位workerId
- 12位序列,毫秒内的计数,12位的计数顺序号支持每个节点每毫秒(同一机器,同一时间截)产生4096个ID序号
- 加起来刚好64位,为一个Long型。
- SnowFlake的优点是,整体上按照时间自增排序,并且整个分布式系统内不会产生ID碰撞(由机器ID作区分),并且效率较高,经测试,SnowFlake每秒能够产生26万ID左右。
*/
public class SnowflakeIdWorker {
// ==============================Fields=========================================== /** 开始时间截 (2017-04-14) */ private static final long twepoch = 1492153224787L; /** 机器id所占的位数 */ private static final long workerIdBits = 10L; /** 支持的最大机器id,结果是1023 (这个移位算法可以很快的计算出几位二进制数所能表示的最大十进制数) */ private static final long maxWorkerId = -1L ^ (-1L << workerIdBits); /** 序列在id中占的位数 */ private static final long sequenceBits = 12L; /** 机器ID向左移12位 */ private static final long workerIdShift = sequenceBits; /** 时间截向左移22位(10+12) */ private static final long timestampLeftShift = sequenceBits + workerIdBits ; /** 生成序列的掩码,这里为4095 (0b111111111111=0xfff=4095) */ private static final long sequenceMask = -1L ^ (-1L << sequenceBits); /** 工作机器ID(0~1023) */ private long workerId; /** 毫秒内序列(0~4095) */ private long sequence = 0L; /** 上次生成ID的时间截 */ private long lastTimestamp = -1L; //==============================Constructors===================================== /** * 构造函数 * @param workerId 工作ID (0~1023) */ public SnowflakeIdWorker(long workerId) { if (workerId > maxWorkerId || workerId < 0) { throw new IllegalArgumentException(String.format("worker Id can't be greater than %d or less than 0", maxWorkerId)); } this.workerId = workerId; } // ==============================Methods========================================== /** * 获得下一个ID (该方法是线程安全的) * @return SnowflakeId */ public synchronized long nextId() { long timestamp = timeGen(); //如果当前时间小于上一次ID生成的时间戳,说明系统时钟回退过这个时候应当抛出异常 if (timestamp < lastTimestamp) { throw new ClockMovedBackwardsException( String.format("Clock moved backwards. Refusing to generate id for %d milliseconds", lastTimestamp - timestamp)); } //如果是同一时间生成的,则进行毫秒内序列 if (lastTimestamp == timestamp) { sequence = (sequence + 1) & sequenceMask; //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 timestamp = tilNextMillis(lastTimestamp); } } //时间戳改变,毫秒内序列重置 else { sequence = 0L; } //上次生成ID的时间截 lastTimestamp = timestamp; //移位并通过或运算拼到一起组成64位的ID return ((timestamp - twepoch) << timestampLeftShift) // | (workerId << workerIdShift) // | sequence; } /** * 阻塞到下一个毫秒,直到获得新的时间戳 * @param lastTimestamp 上次生成ID的时间截 * @return 当前时间戳 */ protected long tilNextMillis(long lastTimestamp) { long timestamp = timeGen(); while (timestamp <= lastTimestamp) { timestamp = timeGen(); } return timestamp; } /** * 返回以毫秒为单位的当前时间 * @return 当前时间(毫秒) */ protected long timeGen() { return System.currentTimeMillis(); } //==============================Test=============================================
// public static void main(String[] args) {
// Date start=new Date();
// for (int i = 0; i < 10000; i++) {
// System.out.println(UUIDUtils.uuid());
// }
// Date end=new Date();
//
// System.out.println(“count/ms:”+10000/(end.getTime()-start.getTime()));
// }
class ClockMovedBackwardsException extends RuntimeException{
public ClockMovedBackwardsException(String msg)
{
super(msg);
}
}
}
package com.hyt.obt.common;
import org.apache.commons.lang.math.RandomUtils;
public class SnowflakeUidGenerator implements UidGenerator{
private SnowflakeIdWorker snowflakeIdWorker = new SnowflakeIdWorker(getWorkerId());
public long nextId() { return snowflakeIdWorker.nextId(); } @Override public String nextIdStr() { return String.valueOf(nextId()); } protected long getWorkerId() { long workerId = IpUtils.getLastIpNum(); if (workerId == -1l) { /** * 本系统SnowflakeIdWorker的workerId范围为0-1023,ip最后一段数字最大为255 * 一旦获取本机ip失败,就取300-1023之间的随机数做为workerId */ workerId = RandomUtils.nextLong(300, 1023); } return workerId; }
}
接口定义:
public interface UidGenerator {
public long nextId(); public String nextIdStr();
}
用 springboot 的注解标签在容器中注册此bean:
import org.springframework.context.annotation.Bean;
import org.springframework.context.annotation.Configuration;
**/
@Configuration
public class UidGeneratorConfig {
@Bean
public UidGenerator snowflakeUidGenerator(){
return new SnowflakeUidGenerator();
}
}
最后使用示例:
import org.springframework.beans.factory.annotation.Autowired;
/**
- @author moss
**/
public class TestServiceImpl {
@Autowired
UidGenerator uidGenerator;
public void testGetUid(){
uidGenerator.nextIdStr();
}
}
作者:mossGao
来源:CSDN
原文:https://www.geek-share.com/detail/2717321645.html
版权声明:本文为博主原创文章,转载请附上博文链接!
- SnowflakeUid 雪花算法获取uuid
- Twitter的雪花算法(snowflake)自增ID
- 关于全局ID,雪花(snowflake)算法的说明
- Twitter的雪花算法(snowflake)自增ID
- Twitter的分布式雪花算法 SnowFlake 每秒自增生成26个万个可排序的ID (Java版)
- 分布式全局ID的Twitter的Snowflake(雪花算法)
- Twitter的雪花算法(snowflake)自增ID
- 一个实现 Twitter SnowFlake 算法 的 Go 分布式 UID 生成器
- Twitter的分布式自增ID雪花算法snowflake (Java版)
- SnowFlake雪花算法生成分布式id
- 通过雪花(snowflake)算法用Python实现一个简单的发号器
- Twitter的分布式雪花算法 SnowFlake
- 雪花算法(snowflake)
- 关于全局ID,雪花(snowflake)算法的说明
- Twitter的分布式雪花算法 SnowFlake 每秒自增生成26个万个可排序的ID (Java版)
- java 获取当前年月日,uuid获取
- Twitter-Snowflake,64位自增ID算法详解
- 获取矩形中心点与矩形外某点连线和矩形交点的算法
- Twitter的分布式自增ID算法snowflake
- Ajax 由UID获取UName