雪花算法的简介：
雪花算法用来实现全局唯一ID的业务主键，解决分库分表之后主键的唯一性问题，所以就单从全局唯一性来说，其实有很多的解决方法，比如说UUID、数据库的全局表的自增ID
但是在实际的开发过程中，我们的id除了唯一性以外，还需要去满足有序递增，高性能，高可用，以及需要时间戳等这样一些特征，而雪花算法就是一个比较符合这个一类特征的全局唯一算法。
雪花算法结构的详解：
它是一个通过64个bit位 组成的一个long类型的数字，可以将它分为四个部分，根据这四个部分的规则，生成对应的bit位的一个数据，然后组装在一起，形成一个全局的唯一id。
第一部分：是一个bit：这个是正负号，正常情况下为零，通常无意义
1）不用 1bit：是不用的
因为二进制里第一个bit位如果是1，那么都是复数，但是我们生成的id都是正数，所以第一个bit统一都是0
第二部分：是41个bit：表示的是时间戳
2）时间戳 41bit：表示的是时间戳，单位是毫秒
41bit表示的数字多达2^41-1，也就是可以标识2^41-1个毫秒值，换算成年表示就是69年的时间。
第三、四部分：是5+5个bit：表示的是机房id以及机器id、
3）+4）工作机器Id 10bit：记录工作机器的id，表示的是这个服务最多可以部署在2^10台机器上，也就是1024台机器。
但是10bit里5个bit代表机房id，5个bit代表机器id。意思就是最多代表2^个机房（32个机房），每个机房可以代表2^5和机器（32台机器），也可以根据实际情况确定
第五部分：是12个bit：表示的序号，就是某个机房中某个机器上这一毫秒内同时生成的id的序号，0000 0000 0000
12bit可以代表的最大正整数是2^12-1=4096，也就是说可以用这个12bit代表的数字来区分同一个毫秒内的4096个不同的id。
源码：
java
public class SnowFlakeUtil01 {
// 起始时间戳 (可以自定义)
private final long twepoch = 1288834974657L;
// 机器ID所占的位数
private final long workerIdBits = 5L;
// 数据中心ID所占的位数
private final long datacenterIdBits = 5L;
// 支持的最大机器ID，结果是31 (这个移位算法可以计算最大值：-1L ^ (-1L << workerIdBits))
private final long maxWorkerId = -1L ^ (-1L << workerIdBits);
// 支持的最大数据中心ID，结果是31
private final long maxDatacenterId = -1L ^ (-1L << datacenterIdBits);
// 序列在ID中占的位数
private final long sequenceBits = 12L;
// 机器ID左移位数
private final long workerIdShift = sequenceBits;
// 数据中心ID左移位数
private final long datacenterIdShift = sequenceBits + workerIdBits;
// 时间戳左移位数
private final long timestampLeftShift = sequenceBits + workerIdBits + datacenterIdBits;
// 生成序列的掩码，这里为4095 (0b111111111111=0xfff=4095)
private final long sequenceMask = -1L ^ (-1L << sequenceBits);
// 工作机器ID(0~31)
private long workerId;
// 数据中心ID(0~31)
private long datacenterId;
// 毫秒内序列(0~4095)
private long sequence = 0L;
// 上次生成ID的时间戳
private long lastTimestamp = -1L;
// 构造函数
public SnowFlakeUtil01(long workerId, long datacenterId) {
// 检查workerId是否在合法范围内
if (workerId > maxWorkerId || workerId < 0) {
throw new IllegalArgumentException(String.format("worker Id can't be greater than %d or less than 0", maxWorkerId));
}
// 检查datacenterId是否在合法范围内
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;
}
/**
* 获得下一个ID (该方法是线程安全的)
* @return SnowflakeId
*/
public synchronized long nextId() {
long timestamp = timeGen();
// 如果当前时间小于上一次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) {
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) {
// 如果毫秒相同，则从0递增生成序列号
sequence = (sequence + 1) & sequenceMask;
// 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);
}
}
// 时间戳改变，毫秒内序列重置
else {
sequence = 0L;
}
// 上次生成ID的时间戳
lastTimestamp = timestamp;
// 移位并通过或运算拼到一起组成64位的ID
return ((timestamp - twepoch) << timestampLeftShift) // 时间戳部分
| (datacenterId << datacenterIdShift) // 数据中心部分
| (workerId << workerIdShift) // 机器ID部分
| sequence; // 序列号部分
}
// 阻塞到下一个毫秒，直到获得新的时间戳
protected long tilNextMillis(long lastTimestamp) {
long timestamp = timeGen();
while (timestamp <= lastTimestamp) {
timestamp = timeGen();
}
return timestamp;
}
// 返回当前时间，以毫秒为单位
protected long timeGen() {
return System.currentTimeMillis();
}
// public static void main(String[] args) {
// SnowFlakeUtil snowFlakeUtil = new SnowFlakeUtil(0, 0);
// for (int i = 0; i < 100; i++) {
// long id = snowFlakeUtil.nextId();
// System.out.println(id);
// }
// }
}