一、简介
在数据分片中，不管是普通hash、一致性hash还是range based，都要基于某个key进行hash运算，然后根据计算值进行分片。
Key一般采用基于记录的特征值，这个特征值在不同的框架中有不同的叫法，比如MongoDB中的sharding key ，Oracle中的Partition Key。一般来讲， 特征值的选取应当具有区分度 。比如，在分布式调度系统中，通常会为每个子任务生成一个全局唯一的流水号，由任务控制者通过对流水号进行hash运算，将其分配给Job Executor（负责子任务的执行）。
对于流水号的生成，读者肯定不会陌生，比如数据库的自增主键、uuid等都是生成流水号的方式。但是数据库自增主键只能保证单个DB实例内的单表唯一，uuid则利用了mac地址，缺少规律、可读性及安全性。我们希望的流水号应该满足以下特性：
- 分布式系统内全局唯一
- 趋势递增
二、数据库ID表
基于数据库ID表，生成全局流水号，是一种比较常见的方式，以Mysql为例，可以建立一张ID表，表一共两列：id为自增主键，type则表示流水的类型，可以自定义取值，但要保证唯一：
CREATE TABLE `ID_TABLE` (
`id` BIGINT(64) UNSIGNED NOT NULL AUTO_INCREMENT,
`type` VARCHAR(16) NOT NULL DEFAULT '',
PRIMARY KEY (`id`),
UNIQUE KEY `idx_type` (`type`)
) ENGINE=MYISAM
每次客户端需要生成唯一流水号时，可以通过以下语句获取：
REPLACE INTO ID_TABLE('type') VALUES('ORDER_KEY');
SELECT LAST_INSERT_ID();
这里解释下REPLACE INTO：假如表中有一条记录与用PRIMARY KEY或UNIQUE KEY索引的新记录具有相同的值，则先删除旧记录，再插入新记录。
这种方式对于同一个type值，比如“ORDER_KEY”，生成的流水号都是唯一的。在分布式系统中，可以通过数据库中间件请求到不同的分库，每个分库设置不同的初始值和自增步长，以避免出现重复流水号，如下图：
上述，DB1生成的ID是1,4,7,10,13....，DB2生成的ID是2,5,8,11,14.....
缺点：
显然，基于数据库表生成流水号的方式效率太低，很难满足高并发的业务场景，而且与数据库紧耦合。所以，通常只适合并发量低，但是数据量大的场景。
三、Snow Flake算法
3.1 原理
Snow Flake是Twitter开源的分布式ID生成算法，其结果是一个long型的ID，Snow Flake的核心思想是：
将一个long类型整数按位划分，41bit作为毫秒数，10bit作为机器的ID（5个bit是数据中心，5个bit的机器ID），12bit作为毫秒内的流水号，最后还有一个符号位，永远是0。
算法实现基本就是二进制操作，单机每秒内理论上最多可以生成1024*(2^12)，即409.6万个ID(1024x4096=4194304)
- 1bit： 未使用，因为二进制里第一个bit为如果是1，那么都是负数，但是我们生成的id都是正数，所以第一个bit统一都是0；
- 41bit： 时间截，存储的是时间截的差值（当前时间截 - 开始时间截) ，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。41位的时间截，可以使用69年，年T = (1L << 41) / (1000x60x60x24x365) = 69；
- 10bit： 记录工作机器ID，代表的是这个服务最多可以部署在2^10（1024）台机器上，包括5位datacenterId和5位workerId。注意，10-bit可以完全表示1024台机器，如果对IDC划分有需求，可以将10-bit分5-bit给IDC，分5-bit给工作机器，这样就可以表示32个IDC，每个IDC下可以有32台机器，可以根据自身需求定义；
- 12bit： 序列号，记录同一个毫秒内产生的不同id，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。
理论上Snow Flake方案的QPS约为 409.6w/s ，这种分配方式可以保证在任何一个IDC的任何一台机器在任意毫秒内生成的ID都是不同的。
3.2 优缺点
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)，效率较高；
- 不依赖数据库等第三方系统，以服务的方式部署，稳定性更高；
缺点：
- 由于41位的时间戳代表的是时间差值，所以SnowFlake强依赖于机器时钟，如果机器上时钟回拨，会导致发号重复或者服务会处于不可用状态。
关于时钟回拨，美团开源了一个Leaf框架，其中的Leaf-segment方案可以比较好的解决时钟回拨问题，但是该方案又引入了外部依赖——Zookeeper，感兴趣的读者可以自行参考。
3.3 代码示例
public class SnowFlake {
private long workerId;
private long datacenterId;
private long sequence;
public IdWorker(long workerId, long datacenterId, long sequence) {
// sanity check for workerId
// 这儿不就检查了一下，要求就是你传递进来的机房id和机器id不能超过32，不能小于0
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));
}
System.out.printf("worker starting. timestamp left shift %d, datacenter id bits %d, worker id bits %d, sequence bits %d, workerid %d",
timestampLeftShift, datacenterIdBits, workerIdBits, sequenceBits, workerId);
this.workerId = workerId;
this.datacenterId = datacenterId;
this.sequence = sequence;
}
private long twepoch = 1288834974657L;
private long workerIdBits = 5L;
private long datacenterIdBits = 5L;
private long maxWorkerId = -1L ^ (-1L << workerIdBits); // 这个是二进制运算，就是5 bit最多只能有31个数字，也就是说机器id最多只能是32以内
private long maxDatacenterId = -1L ^ (-1L << datacenterIdBits); // 这个是一个意思，就是5 bit最多只能有31个数字，机房id最多只能是32以内
private long sequenceBits = 12L;
private long workerIdShift = sequenceBits;
private long datacenterIdShift = sequenceBits + workerIdBits;
private long timestampLeftShift = sequenceBits + workerIdBits + datacenterIdBits;
private long sequenceMask = -1L ^ (-1L << sequenceBits);
private long lastTimestamp = -1L;
public long getWorkerId() {
return workerId;
}
public long getDatacenterId() {
return datacenterId;
}
public long getTimestamp() {
return System.currentTimeMillis();
}
public synchronized long nextId() {
// 这儿就是获取当前时间戳，单位是毫秒
long timestamp = timeGen();
if (timestamp < lastTimestamp) {
System.err.printf("clock is moving backwards. Rejecting requests until %d.", lastTimestamp);
throw new RuntimeException(String.format("Clock moved backwards. Refusing to generate id for %d milliseconds",
lastTimestamp - timestamp));
}
// 在同一个毫秒内，又发送了一个请求生成一个id，0 -> 1
if (lastTimestamp == timestamp) {
sequence = (sequence + 1) & sequenceMask; // 这个意思是说一个毫秒内最多只能有4096个数字，无论你传递多少进来，这个位运算保证始终就是在4096这个范围内，避免你自己传递个sequence超过了4096这个范围
if (sequence == 0) {
timestamp = tilNextMillis(lastTimestamp);
}
} else {
sequence = 0;
}
// 这儿记录一下最近一次生成id的时间戳，单位是毫秒
lastTimestamp = timestamp;
// 这儿就是将时间戳左移，放到41 bit那儿；将机房id左移放到5 bit那儿；将机器id左移放到5 bit那儿；将序号放最后10 bit；
// 最后拼接起来成一个64 bit的二进制数字，转换成10进制就是个long型
return ((timestamp - twepoch) << timestampLeftShift) |
(datacenterId << datacenterIdShift) |
(workerId << workerIdShift) |
sequence;
}
private long tilNextMillis(long lastTimestamp) {
long timestamp = timeGen();
while (timestamp <= lastTimestamp) {
timestamp = timeGen();
}
return timestamp;
}
private long timeGen() {
return System.currentTimeMillis();
}
//---------------测试---------------
public static void main(String[] args) {
IdWorker worker = new IdWorker(1, 1, 1);
for (int i = 0; i < 30; i++) {
System.out.println(worker.nextId());
}
}
}
Java 面试宝典是大明哥全力打造的 Java 精品面试题，它是一份靠谱、强大、详细、经典的 Java 后端面试宝典。它不仅仅只是一道道面试题，而是一套完整的 Java 知识体系，一套你 Java 知识点的扫盲贴。
它的内容包括：
- 大厂真题：Java 面试宝典里面的题目都是最近几年的高频的大厂面试真题。
- 原创内容：Java 面试宝典内容全部都是大明哥原创，内容全面且通俗易懂，回答部分可以直接作为面试回答内容。
- 持续更新：一次购买，永久有效。大明哥会持续更新 3+ 年，累计更新 1000+，宝典会不断迭代更新，保证最新、最全面。
- 覆盖全面：本宝典累计更新 1000+，从 Java 入门到 Java 架构的高频面试题，实现 360° 全覆盖。
- 不止面试：内容包含面试题解析、内容详解、知识扩展，它不仅仅只是一份面试题，更是一套完整的 Java 知识体系。
- 宝典详情：https://www.yuque.com/chenssy/sike-java/xvlo920axlp7sf4k
- 宝典总览：https://www.yuque.com/chenssy/sike-java/yogsehzntzgp4ly1
- 宝典进展：https://www.yuque.com/chenssy/sike-java/en9ned7loo47z5aw
目前 Java 面试宝典累计更新 400+ 道，总字数 42w+。大明哥还在持续更新中，下图是大明哥在 2024-12 月份的更新情况：
想了解详情的小伙伴，扫描下面二维码加大明哥微信【daming091】咨询
同时，大明哥也整理一套目前市面最常见的热点面试题。微信搜[大明哥聊 Java]或扫描下方二维码关注大明哥的原创公众号[大明哥聊 Java] ，回复【面试题】 即可免费领取。
