snowflake原理解析

zoukankan html css js c++ java

snowflake原理解析
Snowflake

世界上没有两片完全相同的雪花。

— twitter

Snowflake原理

这种方案把64-bit分别划分成多段，分开来标示机器、时间等，比如在snowflake中的64-bit分别表示如下图所示：

在java里，64bit正好是long类型的大小。

41-bit的时间可以表示（1L<<41）/(1000ms * 60s * 60m * 24h * 365d)=69年的时间，10-bit机器可以分别表示1024台机器。如果我们对IDC划分有需求，还可以将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。12个自增序列号可以表示2^{12个ID，理论上snowflake方案的QPS约为2}12=4096/ms, 也就是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。

+-----------+--------------------------+---------------------+----------------------+----------------+

| sign | time_stamp | datacenter | worker node | sequence |

+-----------+--------------------------+---------------------+----------------------+----------------+

1bit 41 bits 5bits 5bits 12bits

+-----------+--------------------------+---------------------+----------------------+----------------+
- 1位，不用。二进制中最高位为1的都是负数，但是我们生成的id一般都使用整数，所以这个最高位固定是0
- 41位，用来记录时间戳（毫秒）。
  
  41位可以表示$2^{41}-1$个数字，
  
  如果只用来表示正整数（计算机中正数包含0），可以表示的数值范围是：0 至 $2^{41}-1$，减1是因为可表示的数值范围是从0开始算的，而不是1。
  
  也就是说41位可以表示$2^{{41}-1$个毫秒的值，转化成单位年则是$(2}{41}-1) / (1000 * 60 * 60 * 24 * 365) = 69$年
- 10位，用来记录工作机器id。
  
  可以部署在$2^{10} = 1024$个节点，包括5位datacenterId和5位workerId
  
  5位（bit）可以表示的最大正整数是$2^{5}-1 = 31$，即可以用0、1、2、3、....31这32个数字，来表示不同的datecenterId或workerId
- 12位，序列号，用来记录同毫秒内产生的不同id。
  
  12位（bit）可以表示的最大正整数是$2^{12}-1 = 4095$，即可以用0、1、2、3、....4094这4095个数字，来表示同一机器同一时间截（毫秒)内产生的4095个ID序号
位操作解释
```
    /**
     * define the initial bit for each part of 64 bits of one Id
     */
    private final long sequenceBits = 12L;
    private final long datacenterIdBits = 5L;
    private final long workerIdBits = 5L;
    private final long timestampBits = 41L;

    /*
     * max values of workerId, datacenterId and sequence
     * 11111111 11111111 11111111 11111111  // -1 in binary format
     */
    // 2^5-1 = 31
    private final long maxDatacenterId = -1L ^ (-1L << datacenterIdBits);
    // 2^10-1 = 1023
    private final long maxWorkerId = -1L ^ (-1L << workerIdBits);
    // 2^12-1 = 4095
    private final long maxSequence = -1L ^ (-1L << sequenceBits);
```
先看snowflake里面定义成员变量的一个神操作，为什么这么定义呢？需要先了解下二进制位操作的原理。

负数的二进制表示

在计算机中，负数的二进制是用补码来表示的。
假设我是用Java中的int类型来存储数字的，
int类型的大小是32个二进制位（bit），即4个字节（byte）。（1 byte = 8 bit）
那么十进制数字3在二进制中的表示应该是这样的：
```
00000000 00000000 00000000 00000011
// 3的二进制表示，就是原码
```
那数字-3在二进制中应该如何表示？
我们可以反过来想想，因为-3+3=0，
在二进制运算中把-3的二进制看成未知数x来求解，
求解算式的二进制表示如下：
```
   00000000 00000000 00000000 00000011 //3，原码
+  xxxxxxxx xxxxxxxx xxxxxxxx xxxxxxxx //-3，补码
-----------------------------------------------
   00000000 00000000 00000000 00000000
```
反推x的值，3的二进制加上什么值才使结果变成00000000 00000000 00000000 00000000？：
```
  00000000 00000000 00000000 00000011 //3，原码                         
+ 11111111 11111111 11111111 11111101 //-3，补码
-----------------------------------------------
 1 00000000 00000000 00000000 00000000
```
反推的思路是3的二进制数从最低位开始逐位加1，使溢出的1不断向高位溢出，直到溢出到第33位。然后由于int类型最多只能保存32个二进制位，所以最高位的1溢出了，剩下的32位就成了（十进制的）0。

补码的意义就是可以拿补码和原码（3的二进制）相加，最终加出一个“溢出的0”

以上是理解的过程，实际中记住公式就很容易算出来：
- 补码 = 反码 + 1
- 补码 = （原码 - 1）再取反码
因此-1的二进制应该这样算：
```
00000000 00000000 00000000 00000001 //原码：1的二进制
11111111 11111111 11111111 11111110 //取反码：1的二进制的反码
11111111 11111111 11111111 11111111 //加1：-1的二进制表示（补码）
```
用位运算得出n个bit能存储最大值
```
private long workerIdBits = 5L;
// 2^5-1 = 31
private long maxWorkerId = -1L ^ (-1L << workerIdBits);      
```
其中：

^ 操作符是 异或 操作, 即：如果a、b两个值不相同，则异或结果为1。如果a、b两个值相同，异或结果为0。

异或^[1]也叫半加运算，其运算法则相当于不带进位的二进制加法：二进制下用1表示真，0表示假，则异或的运算法则为：0⊕0=0，1⊕0=1，0⊕1=1，1⊕1=0（同为0，异为1），这些法则与加法是相同的，只是不带进位，所以异或常被认作不进位加法。

延伸：巧用异或算法

1-1000放在含有1001个元素的数组中，只有唯一的一个元素值重复，其它均只出现
一次。每个数组元素只能访问一次，设计一个算法，将它找出来；不用辅助存储空
间，能否设计一个算法实现？
解法一、显然已经有人提出了一个比较精彩的解法，将所有数加起来，减去1+2+…+1000的和。
这个算法已经足够完美了，相信出题者的标准答案也就是这个算法，唯一的问题是，如果数列过大，则可能会导致溢出。

解法二、异或就没有这个问题，并且性能更好。
将所有的数全部异或，得到的结果与1²3^…1000的结果进行异或，得到的结果就是重复数。

google面试题的变形：一个数组存放若干整数，一个数出现奇数次，其余数均出现偶数次，找出这个出现奇数次的数？

Leecode：https://leetcode-cn.com/problems/single-number/solution/
```
@Test
public void fun() {
	int a[] = { 22, 38,38, 22,22, 4, 4, 11, 11 };
	int temp = 0;
	for (int i = 0; i < a.length; i++) {
		temp ^= a[i];
	}
	System.out.println(temp);
}
```
解法有很多，但是最好的和上面一样，就是把所有数异或，最后结果就是要找的，原理同上！！

<< 是 左移 操作
```
private long workerIdBits = 5L;
private long maxWorkerId = -1L ^ (-1L << workerIdBits);       
```
所以long maxWorkerId = -1L ^ (-1L << 5L)的二进制运算过程如下：
- -1 左移 5，得结果a
```
      11111111 11111111 11111111 11111111 //-1的二进制表示（补码）
11111 11111111 11111111 11111111 11100000 //高位溢出的不要，低位补0
      11111111 11111111 11111111 11100000 //结果a
```
- -1 异或 a
```
  11111111 11111111 11111111 11111111 //-1的二进制表示（补码）
^ 11111111 11111111 11111111 11100000 //两个操作数的位中，相同则为0，不同则为1
  ---------------------------------------------------------------------------
  00000000 00000000 00000000 00011111 //最终结果31
```
最终结果是31，二进制00000000 00000000 00000000 00011111转十进制可以这么算：
```
2^4 + 2^3 + 2^2 + 2^1 + 2^0 = 16 + 8 + 4 +2 +1 = 31
```
所以这一通操作其实是通过位运算计算出来5bit的work id 最多能存储31个值，也就是最多支持31个节点。

位与 操作防止溢出

我们在跨毫秒时，序列号总是归0，会使得序列号为0的ID比较多，导致生成的ID取模后不均匀。优化的点是，序列号不是每次都归0，而是归一个0到100的随机数。
```
//如果当前操作落在同一个ms（timestamp位相同）的话
if (lastTimestamp == currentTimestamp) {
  					//sequence++ 且 保证不溢出，下面测试可知道如果溢出了maxSequence就会变成0
            sequence = (sequence + 1) & maxSequence;
            if (sequence == 0) {
                // overflow: greater than max sequence
                sequence = RANDOM.nextInt(100);
                currentTimestamp = waitNextMillis(lastTimestamp);
            }
        } else {
            //如果是新的ms开始，防止并发不够每次都是0
            //sequence = 0L;
            sequence = RANDOM.nextInt(100);

        }
```
关于这里的溢出操作分别用不同的值测试一下，就知道原理了：
```
long seqMask = -1L ^ (-1L << 12L); //计算12位能耐存储的最大正整数，相当于：2^12-1 = 4095
System.out.println("seqMask: "+seqMask);
System.out.println(1L & seqMask);
System.out.println(2L & seqMask);
System.out.println(3L & seqMask);
System.out.println(4L & seqMask);
System.out.println(4095L & seqMask);
System.out.println(4096L & seqMask);
System.out.println(4097L & seqMask);
System.out.println(4098L & seqMask);

/**
* 输出结果是：
    seqMask: 4095
    1
    2
    3
    4
    4095
    0
    1
    2
*/
```
因为maxSequence 我们选用12bit最大值是4095，这段代码通过位与运算保证计算的结果范围始终是 0-4095 ！

生成id的核心代码
```
long id = ((currentTimestamp - epoch) << timestampShift) |
                (datacenterId << datacenterIdShift) |
                (workerId << workerIdShift) |
                sequence;
```
计算分为2部分：
1. << 每个对应部分的id 左移对应的bits；
2. 管道符号|在Java中也是一个位运算符。其含义是：
  x的第n位和y的第n位只要有一个是1，则结果的第n位也为1，否则为0，因此，我们对四个数的位或运算如下：
```
1  |                    41                        |  5  |   5  |     12      
    
  0|0001100 10100010 10111110 10001001 01011100 00|00000|0 0000|0000 00000000
  0|000000‭0 00000000 00000000 00000000 00000000 00|10001|0 0000|0000 00000000
  0|0000000 00000000 00000000 00000000 00000000 00|00000|1 1001|0000 00000000
or0|0000000 00000000 00000000 00000000 00000000 00|00000|0 0000|‭0000 00000000‬
------------------------------------------------------------------------------------------
  0|0001100 10100010 10111110 10001001 01011100 00|10001|1 1001|‭0000 00000000‬ 
  //结果：910499571847892992
```
从位或运算角度简化看是这样的视角
```
1  |                    41                        |  5  |   5  |     12      
    
  0|0001100 10100010 10111110 10001001 01011100 00|     |      |      //la
  0|                                              |10001|      |      //lb
  0|                                              |     |1 1001|      //lc
or0|                                              |     |      |‭0000 00000000‬ //seq
------------------------------------------------------------------------------------------
   0|0001100 10100010 10111110 10001001 01011100 00|10001|1 1001|‭0000 00000000‬ 
   //结果：910499571847892992
```
上面的64位我按1、41、5、5、12的位数截开了，方便观察。
- 纵向观察发现:
  
  在41位那一段，除了la一行有值，其它行（lb、lc、seq）都是0
  
  在左起第一个5位那一段，除了lb一行有值，其它行都是0
  
  在左起第二个5位那一段，除了lc一行有值，其它行都是0
  
  按照这规律，如果seq是0以外的其它值，12位那段也会有值的，其它行都是0
- 横向观察发现:
  
  在la行，由于左移了5+5+12位，5、5、12这三段都补0了，所以la行除了41那段外，其它肯定都是0
  
  同理，lb、lc、seq行也以此类推
  
  正因为左移的操作，使四个不同的值移到了SnowFlake理论上相应的位置，然后四行做位或运算（只要有1结果就是1），就把4段的二进制数合并成一个二进制数。
结论：
所以，在这段代码中左移运算是为了将数值移动到对应的段(41、5、5，12那段因为本来就在最右，因此不用左移)。然后对每个左移后的值(la、lb、lc、seq)做位或运算，是为了把各个短的数据合并起来，合并成一个二进制数。最后转换成10进制，就是最终生成的id。

延伸：long和double底层

问题： java中 long 和double都是64位。为什么double表示的范围大那么多呢？

标准答案是这样子的：

double是n*2^m(n乘以2的m次方)这种形式存储的，只需要记录n和m两个数就行了，m的值影响范围大，所以表示的范围比long大。
但是m越大，n的精度就越小，所以double并不能把它所表示的范围里的所有数都能精确表示出来，而long就可以。

贴上一些整数类型的范围：
1.整型 (一个字节占8位)
类型存储需求 bit数取值范围备注
int 4字节 48 (32) -2^31~231-1
short 2字节 28 (16) -2^15~215-1
long 8字节 88 (64) -2^63~263-1
byte 1字节 18 (8) -2^7~27-1 = -128~127

2.浮点型
类型存储需求 bit数取值范围备注
float 4字节 48 (32) 3.4028235E38 ~= 3.410^38
double 8字节 88 (64) 1.7976931348623157E308 ~=1.710^308

从范围来看double和long完全不是一个级别的了吧？long最大为=2^{63-1，而double为2}1024。

Snowflake的优缺点

优点：
- 毫秒数在高位，自增序列在低位，整个ID都是趋势递增的。
- 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，生成ID的性能也是非常高的。
- 可以根据自身业务特性分配bit位，非常灵活。
缺点：
- 强依赖机器时钟，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。
- 我们通过5ms的等待来兼容ntp的同步，如果大于5ms就报错。
服务部署

部署模式支持2种
1. 部署zookeeper, 配置zk地址，然后启动Spring boot
2. 也可以把snowflake单独作为包引入项目，独立使用
配置方式
1. Rest Server的配置在server/src/main/resources/application.properties中:
配置项含义默认值

spring.application.name web服务名 default

server.port web服务注册端口

snowflake.zk.address zk地址
1. 如果只是配置snowflake这个单独的模块，可以参考snowflake/src/test/resources/snowflake.properties中:
  | 配置项 | 含义 | 默认值 |
  | ------------------------- | ----------------------------- | ------ |
  | snowflake.name | snowflake服务名 | default|
  | snowflake.node.port | snowflake服务注册端口 | |
  | snowflake.zk.address | zk地址 | |
远程调用方式
1. HTTP调用拿一个id：
curl http://localhost:8789/api/snowflake/get

response
```
{
    "code":0,
    "message":"ok",
    "content":{
        "id":9546332062617603,
        "status":"SUCCESS"
    }
}
```
1. HTTP调用解析一个id：
curl http://localhost:8789/api/snowflake/decode?snowflakeId=9546332062617603

response
```
{
    "code":0,
    "message":"ok",
    "content":{
        "format":"2019-10-27 08:13:42.926, #3, @(0,1)",
        "timestamp":"2019-10-27 08:13:42.926",
        "datacenterId":0,
        "workerId":1,
        "sequenceId":3
    }
}
```
欢迎关注我的公众号：好奇心森林
https://www.cnblogs.com/fuck1/p/5899402.html ↩︎
查看全文

相关阅读:
ubuntu 通过命令将数据复制到u盘
 项目感言--功能的模块化
 java 中变量的存储与引用
 java 基础拾漏
 自动完成--autoComplete插件(2)
自动完成--autoComplete插件
 Linux查看端口
 Linux查看系统信息
 js splice方法
 slice、substring、substr

原文地址：https://www.cnblogs.com/hackingForest/p/12995088.html

配置项	含义	默认值
spring.application.name	web服务名	default
server.port	web服务注册端口
snowflake.zk.address	zk地址

snowflake原理解析

Snowflake

Snowflake原理

位操作解释

负数的二进制表示

用位运算 得出n个bit能存储最大值

延伸：巧用异或算法

位与 操作防止溢出

生成id的核心代码

延伸：long和double底层

Snowflake的优缺点

服务部署

部署模式支持2种

配置方式

远程调用方式

用位运算得出n个bit能存储最大值

`位与` 操作防止溢出