ID结构
- 符号位（1位）：始终为0，用于保证ID为正数。
- 时间戳（41位）：表示生成ID的时间戳，精确到毫秒级。
- 工作节点ID（10位）：表示生成ID的机器的唯一标识。
- 序列号（12位）：表示在同一毫秒内生成的多个ID的序列号。
生成步骤
- 获取当前时间戳，精确到毫秒级。
- 如果当前时间小于上次生成ID的时间，或者在同一毫秒内生成的ID数量超过最大值，等待下一毫秒再继续生成。
- 如果当前时间等于上次生成ID的时间，序列号自增1。
- 如果当前时间大于上次生成ID的时间，序列号重新从0开始。
- 将各个部分的值组合，得到最终的64位ID。
Go实现雪花算法的高并发ID生成器
package main
import (
"fmt"
"sync"
"time"
)
const (
workerBits = 10
sequenceBits = 12
workerMax = -1 ^ (-1 << workerBits)
sequenceMask = -1 ^ (-1 << sequenceBits)
timeShift = workerBits + sequenceBits
workerShift = sequenceBits
epoch = 1609459200000
)
type Snowflake struct {
mu sync.Mutex
lastTime int64
workerID int64
sequence int64
}
func NewSnowflake(workerID int64) *Snowflake {
if workerID < 0 || workerID > workerMax {
panic(fmt.Sprintf("worker ID must be between 0 and %d", workerMax))
}
return &Snowflake{
lastTime: time.Now().UnixNano() / 1e6,
workerID: workerID,
sequence: 0,
}
}
func (sf *Snowflake) NextID() int64 {
sf.mu.Lock()
defer sf.mu.Unlock()
currentTime := time.Now().UnixNano() / 1e6
if currentTime < sf.lastTime {
panic(fmt.Sprintf("clock moved backwards, refusing to generate ID for %d milliseconds", sf.lastTime-currentTime))
}
if currentTime == sf.lastTime {
sf.sequence = (sf.sequence + 1) & sequenceMask
if sf.sequence == 0 {
for currentTime <= sf.lastTime {
currentTime = time.Now().UnixNano() / 1e6
}
}
} else {
sf.sequence = 0
}
sf.lastTime = currentTime
id := (currentTime-epoch)<高并发下的唯一性和递增性保障
在高并发场景下，保障雪花算法生成的ID唯一性和递增性的关键在于：
- 唯一性： 工作节点ID的设置保证了不同节点生成的ID不会冲突。序列号的自增和位运算保证了同一毫秒内生成的ID唯一。
- 递增性： 在同一毫秒内生成的多个ID按序列号的递增顺序排列。即使在极端情况下，同一毫秒内生成的ID数量超过了最大值，会等待下一毫秒重新开始，也保证了递增性。
总体来说，雪花算法在高并发下是一个可靠的ID生成方案。它的高性能和低碰撞概率使得它在分布式系统中被广泛应用。
