雪花算法改造: 兼容JS截短位数的53bit分布式ID生成器

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

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());
        }
    }
}复制

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

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());
        }
    }
}复制

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

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();
    }
}复制

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