雪花算法改造: 兼容JS截短位数的53bit分布式ID生成器

爱编程的大李子2024-04-24 17:36

一、基本介绍

雪花算法是一种生成分布式ID的算法。此种算法由Twitter创建，并应用于推文的ID。

一个SnowFlake有64位：

• 符号位（1） ：正数0，负数1。一般生成的ID 都为正数，所以默认为0.

• 时间戳（41）：表示毫秒值。

• 数据编码（5） + 机器编码（5）：计算机ID，防冲突

• 序列号（12）：每台机器生成的ID序列号。

理论上，当机器编码和数据编码不变的情况下，可以生成2^53个ID，达到千万亿级别。

二、实现代码

java 复制代码 
public class SnowFlake {
    /**
     * 起始的时间戳
     */
    private final static long START_STMP = 1480166465631L;
    /**
     * 每一部分占用的位数
     */
    private final static long SEQUENCE_BIT = 12; //序列号占用的位数
    private final static long MACHINE_BIT = 5;  //机器标识占用的位数
    private final static long DATACENTER_BIT = 5;//数据中心占用的位数
    /**
     * 每一部分的最大值
     */
    private final static long MAX_DATACENTER_NUM = -1L ^ (-1L << DATACENTER_BIT);
    private final static long MAX_MACHINE_NUM = -1L ^ (-1L << MACHINE_BIT);
    private final static long MAX_SEQUENCE = -1L ^ (-1L << SEQUENCE_BIT);
    /**
     * 每一部分向左的位移
     */
    private final static long MACHINE_LEFT = SEQUENCE_BIT;
    private final static long DATACENTER_LEFT = SEQUENCE_BIT + MACHINE_BIT;
    private final static long TIMESTMP_LEFT = DATACENTER_LEFT + DATACENTER_BIT;
    private long datacenterId;  //数据中心
    private long machineId;    //机器标识
    private long sequence = 0L; //序列号
    private long lastStmp = -1L;//上一次时间戳
    public SnowFlake(long datacenterId, long machineId) {
        if (datacenterId > MAX_DATACENTER_NUM || datacenterId < 0) {
            throw new IllegalArgumentException("datacenterId can't be greater than MAX_DATACENTER_NUM or less than 0");
        }
        if (machineId > MAX_MACHINE_NUM || machineId < 0) {
            throw new IllegalArgumentException("machineId can't be greater than MAX_MACHINE_NUM or less than 0");
        }
        this.datacenterId = datacenterId;
        this.machineId = machineId;
    }
    /**
     * 产生下一个ID
     *
     * @return
     */
    public synchronized long nextId() {
        long currStmp = getNewstmp();
        if (currStmp < lastStmp) {
            throw new RuntimeException("Clock moved backwards.  Refusing to generate id");
        }
        if (currStmp == lastStmp) {
            //相同毫秒内，序列号自增
            sequence = (sequence + 1) & MAX_SEQUENCE;
            //同一毫秒的序列数已经达到最大
            if (sequence == 0L) {
                currStmp = getNextMill();
            }
        } else {
            //不同毫秒内，序列号置为0
            sequence = 0L;
        }
        lastStmp = currStmp;
        return (currStmp - START_STMP) << TIMESTMP_LEFT //时间戳部分
                | datacenterId << DATACENTER_LEFT      //数据中心部分
                | machineId << MACHINE_LEFT            //机器标识部分
                | sequence;                            //序列号部分
    }
    private long getNextMill() {
        long mill = getNewstmp();
        while (mill <= lastStmp) {
            mill = getNewstmp();
        }
        return mill;
    }
    private long getNewstmp() {
        return System.currentTimeMillis();
    }
    public static void main(String[] args) {
        SnowFlake snowFlake = new SnowFlake(2, 3);
        for (int i = 0; i < (1 << 12); i++) {
            System.out.println(snowFlake.nextId());
        }
    }
}

三、扩展改造：兼容JS短位数的53bit分布式ID生成器

使用原生的雪花算法其默认生成的是64bit长整型, 如果以ID和前端的JS进行交互时会出现精度丢失(最后两位数字变成00) 而导致最终系统报错: 找不到ID。究其原因是因为JS的Number类型精度最高只有53bit, 导致JS其最大安全值只有2^53 = 9007199254740992 。雪花算法生成的18位数字也就会超标了;

解决方法: 将返回的ID由Long类型转换为String：

  • 使用@JsonSerialize注解，在相关类的属性上分别添加
  • 配置消息转换器MappingJackson2HttpMessageConverter，将此消息转换器进行扩展

由于上两种方案都不满足当前系统的要求（前端会进行计算），所以不能使用上两种方案。

主动适配前端JS的number类型的最大精度，将原来由雪花算法生成的64bit的ID截取为53bit的ID。

对于前后台传参Long类型而言，JS内置有32位整数，而number类型的安全整数是53位。如果超过53位，则精度会丢失。如果后台传来一个64位的Long型整数，因为超过了53位，所以后台返回的值和前台获取的值会不一样。

最后我们根据目前的业务数据量发现，53bit的ID足够当下的使用。所以我们尝试改造雪花算法，缩短其长度。

改造后的雪花算法组成部分：符号位（1）+ 时间戳（41）+机器编码（5）+ 序列号（7）

理论上，当机器编码不变的情况下可以生成0-2^53个ID，百万亿级别。

四、缩短版雪花算法

java 复制代码 
public class ShortenSnowFlake {
    /**
     * 起始的时间戳
     */
    private final static long START_STMP = 1480166465631L;
    /**
     * 每一部分占用的位数
     */
    private final static long SEQUENCE_BIT = 7; //序列号占用的位数
    private final static long MACHINE_BIT = 5;  //机器标识占用的位数
    /**
     * 每一部分的最大值
     */
    private final static long MAX_MACHINE_NUM = -1L ^ (-1L << MACHINE_BIT);
    private final static long MAX_SEQUENCE = -1L ^ (-1L << SEQUENCE_BIT);
    /**
     * 每一部分向左的位移
     */
    private final static long MACHINE_LEFT = SEQUENCE_BIT;
    private final static long DATACENTER_LEFT = SEQUENCE_BIT + MACHINE_BIT;
    private final static long TIMESTMP_LEFT = DATACENTER_LEFT;
    private long machineId;    //机器标识
    private long sequence = 0L; //序列号
    private long lastStmp = -1L;//上一次时间戳
    public ShortenSnowFlake(long machineId) {
        if (machineId > MAX_MACHINE_NUM || machineId < 0) {
            throw new IllegalArgumentException("machineId can't be greater than MAX_MACHINE_NUM or less than 0");
        }
        this.machineId = machineId;
    }
    /**
     * 产生下一个ID
     *
     * @return
     */
    public synchronized long nextId() {
        long currStmp = getNewstmp();
        if (currStmp < lastStmp) {
            throw new RuntimeException("Clock moved backwards.  Refusing to generate id");
        }
        if (currStmp == lastStmp) {
            //相同毫秒内，序列号自增
            sequence = (sequence + 1) & MAX_SEQUENCE;
            //同一毫秒的序列数已经达到最大
            if (sequence == 0L) {
                currStmp = getNextMill();
            }
        } else {
            //不同毫秒内，序列号置为0
            sequence = 0L;
        }
        lastStmp = currStmp;
        return (currStmp - START_STMP) << TIMESTMP_LEFT //时间戳部分
                | machineId << MACHINE_LEFT            //机器标识部分
                | sequence;                            //序列号部分
    }
    private long getNextMill() {
        long mill = getNewstmp();
        while (mill <= lastStmp) {
            mill = getNewstmp();
        }
        return mill;
    }
    private long getNewstmp() {
        return System.currentTimeMillis();
    }
    public static void main(String[] args) {
        ShortenSnowFlake snowFlake = new ShortenSnowFlake(3);
        for (int i = 0; i < (1 << 7); i++) {
            System.out.println(snowFlake.nextId());
        }
    }
}

五、项目配置

由于在不同的业务场景下需要的雪花算法位数也不同，为了更加灵活使用，我们采用配置的形式。

①Nacos新增配置

②绑定文件中新增属性

③自定义缩短版雪花算法生成器

java 复制代码 
public class ShortenSnowFlakeGenerator implements MyIdGenerator {

    private final ShortenSnowFlake shortenSnowFlake;

    /**
     * 构造函数。
     *
     * @param workNode 工作节点。
     */
    public ShortenSnowFlakeGenerator(Integer workNode) {
        shortenSnowFlake = new ShortenSnowFlake(workNode);
    }

    /**
     * 获取基于Snowflake算法的数值型Id。
     * 由于底层实现为synchronized方法，因此计算过程串行化，且线程安全。
     *
     * @return 计算后的全局唯一Id。
     */
    @Override
    public long nextLongId() {
        return this.shortenSnowFlake.nextId();
    }

    /**
     * 获取基于Snowflake算法的字符串Id。
     * 由于底层实现为synchronized方法，因此计算过程串行化，且线程安全。
     *
     * @return 计算后的全局唯一Id。
     */
    @Override
    public String nextStringId() {
        return this.shortenSnowFlake.nextIdStr();
    }
}

④改造初始化逻辑

参考资料

• java 雪花算法，同时解决超过前端 js 数字上限的问题

• Twitter雪花算法SnowFlake改造: 兼容JS截短位数的53bit分布式ID生成器

• 分布式主键生成设计策略

相关推荐
Hello.Reader1 小时前
Kafka 4.0 五大 API 选型指南、依赖坐标、上手示例与最佳实践
分布式·kafka·linq
青云交7 小时前
Java 大视界 -- 基于 Java 的大数据实时流处理在智能电网分布式电源接入与电力系统稳定性维护中的应用（404）
java·大数据·分布式·智能电网·flink 实时流处理·kafka 数据采集·iec 61850 协议
Monkey-旭18 小时前
鸿蒙 5.1 深度解析：ArkUI 4.1 升级与分布式开发新范式
分布式·wpf·harmonyos·arkts·openharmony·arkui
猿java19 小时前
分布式和微服务，它们有什么区别？该如何选择？
分布式·微服务·架构
hello 早上好1 天前
基于 Spring AMQP 的 RabbitMQ 分布式消息系统实战
分布式·spring·java-rabbitmq
哈基米喜欢哈哈哈1 天前
Kafka复制机制
笔记·分布式·后端·kafka
孫治AllenSun1 天前
【Kafka】重点概念和架构总结
分布式·架构·kafka
沧澜sincerely1 天前
分布式2PC理论
分布式·2pc·一致性协议
##学无止境##1 天前
解锁Java分布式魔法：CAP与BASE的奇幻冒险
java·开发语言·分布式
小白不想白a1 天前
【Hadoop】Zookeeper、HBase、Sqoop
hadoop·分布式·zookeeper·hbase·sqoop
热门推荐
01UV安装并设置国内源02KGG转MP3工具|非KGM文件|解密音频03不再让Windows更新！&Edge游戏助手卸载及关闭自动更新04奈飞工厂官网，国内Netflix影视在线看|中文网页电脑版入口05Qwen3-Coder 快速上手教程 | Qwen Code + Claude Code06Linux下V2Ray安装配置指南07【2025.08.06最新版】Android Studio下载、安装及配置记录（自动下载sdk）08突破百度网盘的下载限速，两种方法教会你【超详细】09蜘蛛磁力 搜索引擎大全，如何使用蜘蛛磁力查找磁力链接10LMArena 图生图，生成产品图提示词prompt