雪花算法（Snowflake）原理详解
雪花算法是由Twitter提出的一种分布式唯一ID生成算法，旨在为每个请求生成一个全局唯一的64位整数ID。这个ID由以下几个部分组成：
- 符号位：1位，始终为0，保证生成的ID为正数。
- 时间戳：41位，表示自定义纪元以来的时间戳（毫秒级别），可以提供约69年的时间跨度。
- 数据中心ID：5位，支持最多31个数据中心。
- 机器ID：5位，在同一数据中心内区分不同的机器或服务实例，支持最多31个实例。
- 序列号：12位，用于在同一毫秒内生成的多个ID之间进行区分，最大值为4095。
因此，一个典型的Snowflake ID结构如下：
0 - 41 bits for timestamp - 5 bits for data center id - 5 bits for worker id - 12 bits for sequence number时间回拨处理
由于Snowflake依赖于系统时间来生成ID，因此如果服务器时间被调整（例如向后调整），可能会导致生成重复的ID。为了防止这种情况，通常会采取以下措施之一：
- 等待直到系统时间超过上次记录的时间戳。
- 使用序列号临时解决轻微的时间回拨问题。
在Spring Boot和MyBatis中的实现与集成
SnowflakeIdWorker.java
import org.slf4j.Logger;
import org.slf4j.LoggerFactory;public class SnowflakeIdWorker {private static final Logger logger = LoggerFactory.getLogger(SnowflakeIdWorker.class);// 自定义纪元时间戳，这里设置为当前时间private final long twepoch = 1712636400000L; // 2025-04-09 00:00:00 UTC 时间戳// 机器id所占的位数private final long workerIdBits = 5L;// 数据标识id所占的位数private final long datacenterIdBits = 5L;// 支持的最大机器id，结果是31 (这个值的结果应该是31，因为max值是1左移5位再减1，也就是(2^5)-1=31)private final long maxWorkerId = -1L ^ (-1L << workerIdBits);// 支持的最大数据标识id，结果也是31private final long maxDatacenterId = -1L ^ (-1L << datacenterIdBits);// 序列在id中占的位数private final long sequenceBits = 12L;// 工作机器ID(0~31)private final long workerId;// 数据中心ID(0~31)private final long datacenterId;// 毫秒内序列(0~4095)private volatile long sequence = 0L;// 上次生成ID的时间截private volatile long lastTimestamp = -1L;/*** 构造函数，初始化workerId和datacenterId* @param workerId 工作机器ID* @param datacenterId 数据中心ID*/public SnowflakeIdWorker(long workerId, long datacenterId) {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;}/*** 获取下一个ID* @return 下一个全局唯一的ID*/public synchronized long nextId() {long timestamp = timeGen();// 如果当前时间小于上次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) {logger.error(String.format("Clock moved backwards. Refusing to generate id for %d milliseconds", lastTimestamp - timestamp));throw new RuntimeException(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) & ((1L << sequenceBits) - 1);// 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);}} else {// 时间戳改变，毫秒内序列重置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IDreturn ((timestamp - twepoch) << (sequenceBits + workerIdBits + datacenterIdBits)) |(datacenterId << (sequenceBits + workerIdBits)) |(workerId << sequenceBits) |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的时间戳* @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();}
}SnowflakeConfig.java
import org.springframework.context.annotation.Bean;
import org.springframework.context.annotation.Configuration;@Configuration
public class SnowflakeConfig {/*** 创建SnowflakeIdWorker Bean* @return SnowflakeIdWorker实例*/@Beanpublic SnowflakeIdWorker snowflakeIdWorker() {// 根据实际情况调整workerId和datacenterIdreturn new SnowflakeIdWorker(1, 1); // 这里根据你的实际环境配置}
}UserMapper.java
import org.apache.ibatis.annotations.Insert;
import org.apache.ibatis.annotations.Mapper;
import org.apache.ibatis.annotations.Param;@Mapper
public interface UserMapper {/*** 插入用户信息* @param id 用户ID* @param name 用户名* @param email 用户邮箱*/@Insert("INSERT INTO users(id, name, email) VALUES(#{id}, #{name}, #{email})")void insertUser(@Param("id") Long id, @Param("name") String name, @Param("email") String email);
}UserService.java
import org.springframework.beans.factory.annotation.Autowired;
import org.springframework.stereotype.Service;@Service
public class UserService {@Autowiredprivate UserMapper userMapper;@Autowiredprivate SnowflakeIdWorker snowflakeIdWorker;/*** 创建用户* @param name 用户名* @param email 用户邮箱*/public void createUser(String name, String email) {// 使用Snowflake算法生成唯一IDLong id = snowflakeIdWorker.nextId();// 调用Mapper插入用户信息userMapper.insertUser(id, name, email);}
}注意事项与最佳实践
-
时间同步：
- 确保所有服务器的时间同步非常重要。建议使用NTP服务来保证所有节点的时间一致性。
-
workerId和datacenterId的分配：
- 必须确保每个服务实例的
workerId和datacenterId是唯一的，以避免ID冲突。
- 必须确保每个服务实例的
-
性能优化：
- 对于高并发场景，考虑减少锁的粒度或者采用无锁编程技术。
- 可以考虑批量ID生成策略，即预先生成一批ID并在内存中缓存起来供后续请求使用，从而减少对全局锁的竞争。
-
日志记录与监控：
- 增加详细的日志记录，便于调试和维护。
- 设置监控指标，如生成ID的速度、失败率等，并在出现问题时触发报警。可以使用Prometheus、Grafana等工具进行监控。
