net.jkcode.jkmvc.idworker

类 SnowflakeIdWorker

net.jkcode.jkmvc.idworker.SnowflakeIdWorker

所有已实现的接口:

IIdWorker

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. 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

2. 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

3. 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

4. 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()

嵌套类概要

嵌套类

限定符和类型	类和说明
static class	SnowflakeIdWorker.Companion

字段概要

字段

限定符和类型	字段和说明
static SnowflakeIdWorker.Companion	Companion

构造器概要

构造器

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

方法概要

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)

从接口继承的方法 net.jkcode.jkmvc.idworker.IIdWorker

nextId

字段详细资料

Companion

public static SnowflakeIdWorker.Companion Companion

构造器详细资料

SnowflakeIdWorker

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. 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

2. 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

3. 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

4. 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()

方法详细资料

getSequence

public java.util.concurrent.atomic.AtomicLong getSequence()

毫秒内序列(0~4095)

setSequence

public void setSequence(java.util.concurrent.atomic.AtomicLong p)

毫秒内序列(0~4095)

getLastTimestamp

public long getLastTimestamp()

上次生成ID的时间截

setLastTimestamp

public void setLastTimestamp(long p)

上次生成ID的时间截

nextId

public long nextId()

获得下一个ID

newId

public long newId(long timestamp)

构建新id

blockUntilNextMillis

public long blockUntilNextMillis(long lastTimestamp)

阻塞到下一个毫秒，直到获得新的时间戳