雪花算法的使用(工具类utils)
import org.springframework.beans.factory.annotation.Value;
import org.springframework.stereotype.Component;// 雪花算法
@Component
public class SnowflakeUtils {
// Generated ID: 1724603634882318341;
// Generated ID: 1724603717312974850
// Generated ID: 1724603717312974851public static void main(String[] args) {// 创建一个 SnowflakeUtils 实例SnowflakeUtils snowflakeUtils = new SnowflakeUtils(1, 1);// 生成10个唯一ID并打印for (int i = 0; i < 10; i++) {long id = snowflakeUtils.nextId();System.out.println("Generated ID: " + id);}}// 工作机器IDprivate final long workerId;public SnowflakeUtils() {this.workerId = 1L; // 设置默认值this.dataCenterId = 1L; // 设置默认值// 初始化雪花算法实例}public SnowflakeUtils(@Value("${snowflake.workerId}") long workerId) {this.workerId = workerId;// 初始化雪花算法实例}// public SnowflakeUtils(@Value("${snowflake.workerId}") long workerId,@Value("${snowflake.dataCenterId}") long dataCenterId) {
// this.workerId = workerId;
// this.dataCenterId = dataCenterId;
// }// 起始的时间戳private final long twepoch = 1288834974657L;// 机器ID所占的位数private final long workerIdBits = 5L;// 数据标识ID所占的位数private final long dataCenterIdBits = 5L;// 支持的最大机器ID，结果是31private final long maxWorkerId = -1L ^ (-1L << workerIdBits);// 支持的最大数据标识ID，结果是31private final long maxDataCenterId = -1L ^ (-1L << dataCenterIdBits);// 序列在ID中占的位数private final long sequenceBits = 12L;// 机器ID的偏移量（12）private final long workerIdShift = sequenceBits;// 数据标识ID的偏移量（12+5）private final long dataCenterIdShift = sequenceBits + workerIdBits;// 时间戳的偏移量（12+5+5）private final long timestampLeftShift = sequenceBits + workerIdBits + dataCenterIdBits;// 生成序列的掩码，这里为4095private final long sequenceMask = -1L ^ (-1L << sequenceBits);// 数据中心IDprivate long dataCenterId;// 毫秒内序列private long sequence = 0L;// 上次生成ID的时间截private long lastTimestamp = -1L;public SnowflakeUtils(long workerId, long dataCenterId) {if (workerId > maxWorkerId || workerId < 0) {throw new IllegalArgumentException("workerId can't be greater than " + maxWorkerId + " or less than 0");}if (dataCenterId > maxDataCenterId || dataCenterId < 0) {throw new IllegalArgumentException("dataCenterId can't be greater than " + maxDataCenterId + " or less than 0");}this.workerId = workerId;this.dataCenterId = dataCenterId;}// 生成IDpublic synchronized long nextId() {long timestamp = timeGen();if (timestamp < lastTimestamp) {throw new RuntimeException("Clock moved backwards. Refusing to generate id for " + (lastTimestamp - timestamp) + " milliseconds.");}if (lastTimestamp == timestamp) {sequence = (sequence + 1) & sequenceMask;if (sequence == 0) {timestamp = tilNextMillis(lastTimestamp);}} else {sequence = 0L;}lastTimestamp = timestamp;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();}
}
调用雪花算法工具类
long snowflakeUtils= snowflakeUtils.nextId();雪花算法（Snowflake Algorithm）是一种用于生成唯一ID的分布式算法。它最初是由Twitter开发的，用于生成分布式系统中的唯一标识符。雪花算法的核心思想是将一个64位的整数ID分成多个部分，每个部分表示不同的信息。
雪花算法的结构一般包括：
- 时间戳（41位）： 用于表示生成ID的时间戳，精确到毫秒级别。
- 机器ID（10位）： 用于标识生成ID的机器，确保每个机器都有唯一的标识符。
- 序列号（12位）： 在同一毫秒内生成的ID的计数器，确保同一机器同一时间戳内产生不同的ID。
优点：
- 唯一性： 雪花算法生成的ID在分布式系统中是唯一的，不同机器生成的ID不会重复。
- 趋势递增： 生成的ID按时间有序递增，有助于提高数据库索引性能。
- 分布式： 雪花算法适用于分布式环境，每台机器生成ID不依赖于中心化的资源分配。
缺点：
- 时钟回拨问题： 如果系统时钟发生回拨，可能会导致生成的ID不是严格递增的。
- 依赖机器ID： 需要分配唯一的机器ID，可能需要一定的管理和配置。
- 有限的并发： 在同一毫秒内生成的ID并发量有限，最多只能生成4096个不同的ID。
总体来说，雪花算法是一种简单且高效的分布式ID生成方案，但在特定场景下需要注意其一些缺点。后续再补充。
`)
