public class SnowflakeIdWorker implements IIdWorker
Twitter的Snowflake的id算法 参考+改进 https://blog.csdn.net/hnhygkx/article/details/78084909
id构成元素如下(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,该开始时间截,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(见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5位datacenterId和5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。
优点 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(由数据中心ID和机器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。
注意: 由于currMillis()的不精准会导致生成id为负数, 因此改用原生的 System.currentTimeMillis()
| 限定符和类型 | 类和说明 |
|---|---|
static class |
SnowflakeIdWorker.Companion |
| 限定符和类型 | 字段和说明 |
|---|---|
static SnowflakeIdWorker.Companion |
Companion |
| 构造器和说明 |
|---|
SnowflakeIdWorker()
Twitter的Snowflake的id算法
参考+改进 https://blog.csdn.net/hnhygkx/article/details/78084909
|
| 限定符和类型 | 方法和说明 |
|---|---|
long |
blockUntilNextMillis(long lastTimestamp)
阻塞到下一个毫秒,直到获得新的时间戳
|
long |
getLastTimestamp()
上次生成ID的时间截
|
java.util.concurrent.atomic.AtomicLong |
getSequence()
毫秒内序列(0~4095)
|
long |
newId(long timestamp)
构建新id
|
long |
nextId()
获得下一个ID
|
void |
setLastTimestamp(long p)
上次生成ID的时间截
|
void |
setSequence(java.util.concurrent.atomic.AtomicLong p)
毫秒内序列(0~4095)
|
public static SnowflakeIdWorker.Companion Companion
public SnowflakeIdWorker()
Twitter的Snowflake的id算法 参考+改进 https://blog.csdn.net/hnhygkx/article/details/78084909
id构成元素如下(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,该开始时间截,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(见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5位datacenterId和5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。
优点 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(由数据中心ID和机器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。
注意: 由于currMillis()的不精准会导致生成id为负数, 因此改用原生的 System.currentTimeMillis()
public java.util.concurrent.atomic.AtomicLong getSequence()
毫秒内序列(0~4095)
public void setSequence(java.util.concurrent.atomic.AtomicLong p)
毫秒内序列(0~4095)
public long getLastTimestamp()
上次生成ID的时间截
public void setLastTimestamp(long p)
上次生成ID的时间截
public long nextId()
获得下一个ID
public long newId(long timestamp)
构建新id
public long blockUntilNextMillis(long lastTimestamp)
阻塞到下一个毫秒,直到获得新的时间戳