數(shù)據(jù)庫(kù) ID 生成方案:雪花算法

今天介紹的雪花算法:Snowflake衙猪,可以讓負(fù)責(zé)生成分布式 ID 的每臺(tái)機(jī)器在每毫秒內(nèi)生成不一樣的 ID隙姿。Snowflake 是 Twitter 開源的分布式 ID 生成算法墙基,它不依賴數(shù)據(jù)庫(kù)。

核心思想是:分布式 ID 固定是一個(gè) long 型的數(shù)字桌粉,一個(gè) long 型占8個(gè)字節(jié)旦袋,也就是64個(gè)bit,原始 Snowflake 算法中對(duì)于 bit 的分配如下圖:

雪花算法
  • 第1個(gè) bit 位是標(biāo)識(shí)部分瞄沙,在 java 中由于 long 的最高位是符號(hào)位己沛,正數(shù)是0,負(fù)數(shù)是1距境,一般生成的 ID 為正數(shù)申尼,所以固定為0;
  • 時(shí)間戳部分占41 bit垫桂,這個(gè)是毫秒級(jí)的時(shí)間师幕,一般實(shí)現(xiàn)上不會(huì)存儲(chǔ)當(dāng)前的時(shí)間戳,而是時(shí)間戳的差值(當(dāng)前時(shí)間-固定的開始時(shí)間)诬滩,這樣可以使產(chǎn)生的ID從更小值開始们衙;41位的時(shí)間戳可以使用69年,(1L << 41) / (1000L * 60 * 60 * 24 * 365) = 69年碱呼;
  • 工作機(jī)器id占10 bit,這里比較靈活宗侦,比如愚臀,可以使用前5位作為數(shù)據(jù)中心機(jī)房標(biāo)識(shí),后5位作為單機(jī)房機(jī)器標(biāo)識(shí)矾利,算下來(lái)可以部署1024個(gè)節(jié)點(diǎn)姑裂;
  • 序列號(hào)部分占12 bit,支持同一毫秒內(nèi)同一個(gè)節(jié)點(diǎn)可以生成4096個(gè) ID

根據(jù)這個(gè)算法的邏輯男旗,只需要將這個(gè)算法用編程語(yǔ)言實(shí)現(xiàn)出來(lái)舶斧,封裝為一個(gè)工具方法,那么各個(gè)業(yè)務(wù)應(yīng)用可以直接使用該工具方法來(lái)獲取分布式 ID察皇,我們只需保證每個(gè)業(yè)務(wù)應(yīng)用有自己的工作機(jī)器 ID 即可茴厉,而不需要單獨(dú)去搭建獲取分布式 ID 的應(yīng)用。

Snowflake 算法實(shí)現(xiàn)起來(lái)并不難什荣,這里提供一個(gè) Github 上的 Java 實(shí)現(xiàn)版本:SnowFlake

不過(guò)國(guó)內(nèi)的很多大廠矾缓,其實(shí)并沒(méi)有直接使用 Snowflake 原始算法,多多少少都進(jìn)行了改造稻爬,因?yàn)?Snowflake 算法中最難實(shí)踐的就是工作機(jī)器 Id嗜闻,原始的 Snowflake 算法需要人工去為每臺(tái)機(jī)器指定一個(gè)機(jī)器 Id 并配置在某個(gè)地方,從而讓 Snowflake 可以從此處獲取機(jī)器 Id桅锄。但是對(duì)于大廠來(lái)說(shuō)琉雳,機(jī)器是很多的样眠,這樣做的人力成本太大,且容易出錯(cuò)翠肘,因此才會(huì)對(duì) Snowflake 進(jìn)行改造檐束。

最后編輯于
?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請(qǐng)聯(lián)系作者
  • 序言:七十年代末,一起剝皮案震驚了整個(gè)濱河市锯茄,隨后出現(xiàn)的幾起案子厢塘,更是在濱河造成了極大的恐慌,老刑警劉巖肌幽,帶你破解...
    沈念sama閱讀 216,324評(píng)論 6 498
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件晚碾,死亡現(xiàn)場(chǎng)離奇詭異,居然都是意外死亡喂急,警方通過(guò)查閱死者的電腦和手機(jī)格嘁,發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 92,356評(píng)論 3 392
  • 文/潘曉璐 我一進(jìn)店門,熙熙樓的掌柜王于貴愁眉苦臉地迎上來(lái)廊移,“玉大人糕簿,你說(shuō)我怎么就攤上這事〗瓶祝” “怎么了懂诗?”我有些...
    開封第一講書人閱讀 162,328評(píng)論 0 353
  • 文/不壞的土叔 我叫張陵,是天一觀的道長(zhǎng)苗膝。 經(jīng)常有香客問(wèn)我殃恒,道長(zhǎng),這世上最難降的妖魔是什么辱揭? 我笑而不...
    開封第一講書人閱讀 58,147評(píng)論 1 292
  • 正文 為了忘掉前任离唐,我火速辦了婚禮,結(jié)果婚禮上问窃,老公的妹妹穿的比我還像新娘亥鬓。我一直安慰自己,他們只是感情好域庇,可當(dāng)我...
    茶點(diǎn)故事閱讀 67,160評(píng)論 6 388
  • 文/花漫 我一把揭開白布嵌戈。 她就那樣靜靜地躺著,像睡著了一般较剃。 火紅的嫁衣襯著肌膚如雪咕别。 梳的紋絲不亂的頭發(fā)上,一...
    開封第一講書人閱讀 51,115評(píng)論 1 296
  • 那天写穴,我揣著相機(jī)與錄音惰拱,去河邊找鬼。 笑死,一個(gè)胖子當(dāng)著我的面吹牛偿短,可吹牛的內(nèi)容都是我干的欣孤。 我是一名探鬼主播,決...
    沈念sama閱讀 40,025評(píng)論 3 417
  • 文/蒼蘭香墨 我猛地睜開眼昔逗,長(zhǎng)吁一口氣:“原來(lái)是場(chǎng)噩夢(mèng)啊……” “哼降传!你這毒婦竟也來(lái)了?” 一聲冷哼從身側(cè)響起勾怒,我...
    開封第一講書人閱讀 38,867評(píng)論 0 274
  • 序言:老撾萬(wàn)榮一對(duì)情侶失蹤婆排,失蹤者是張志新(化名)和其女友劉穎,沒(méi)想到半個(gè)月后笔链,有當(dāng)?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體段只,經(jīng)...
    沈念sama閱讀 45,307評(píng)論 1 310
  • 正文 獨(dú)居荒郊野嶺守林人離奇死亡,尸身上長(zhǎng)有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點(diǎn)故事閱讀 37,528評(píng)論 2 332
  • 正文 我和宋清朗相戀三年鉴扫,在試婚紗的時(shí)候發(fā)現(xiàn)自己被綠了赞枕。 大學(xué)時(shí)的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片。...
    茶點(diǎn)故事閱讀 39,688評(píng)論 1 348
  • 序言:一個(gè)原本活蹦亂跳的男人離奇死亡坪创,死狀恐怖炕婶,靈堂內(nèi)的尸體忽然破棺而出,到底是詐尸還是另有隱情莱预,我是刑警寧澤柠掂,帶...
    沈念sama閱讀 35,409評(píng)論 5 343
  • 正文 年R本政府宣布,位于F島的核電站依沮,受9級(jí)特大地震影響陪踩,放射性物質(zhì)發(fā)生泄漏。R本人自食惡果不足惜悉抵,卻給世界環(huán)境...
    茶點(diǎn)故事閱讀 41,001評(píng)論 3 325
  • 文/蒙蒙 一、第九天 我趴在偏房一處隱蔽的房頂上張望摘完。 院中可真熱鬧姥饰,春花似錦、人聲如沸孝治。這莊子的主人今日做“春日...
    開封第一講書人閱讀 31,657評(píng)論 0 22
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽(yáng)谈飒。三九已至岂座,卻和暖如春,著一層夾襖步出監(jiān)牢的瞬間杭措,已是汗流浹背费什。 一陣腳步聲響...
    開封第一講書人閱讀 32,811評(píng)論 1 268
  • 我被黑心中介騙來(lái)泰國(guó)打工, 沒(méi)想到剛下飛機(jī)就差點(diǎn)兒被人妖公主榨干…… 1. 我叫王不留手素,地道東北人鸳址。 一個(gè)月前我還...
    沈念sama閱讀 47,685評(píng)論 2 368
  • 正文 我出身青樓瘩蚪,卻偏偏與公主長(zhǎng)得像,于是被迫代替她去往敵國(guó)和親稿黍。 傳聞我的和親對(duì)象是個(gè)殘疾皇子疹瘦,可洞房花燭夜當(dāng)晚...
    茶點(diǎn)故事閱讀 44,573評(píng)論 2 353

推薦閱讀更多精彩內(nèi)容