com.redismq.id.DefaultIdWorker Maven / Gradle / Ivy
package com.redismq.id;
import com.redismq.common.config.GlobalConfigCache;
import java.util.concurrent.ThreadLocalRandom;
/**
* 名称：IdWorker.java
* 描述：分布式自增长ID
*
* Twitter的 Snowflake JAVA实现方案
*
* 核心代码为其IdWorker这个类实现，其原理结构如下，我分别用一个0表示一位，用—分割开部分的作用：
* 1||0---0000000000 0000000000 0000000000 0000000000 0 --- 00000 ---00000 ---000000000000
* 在上面的字符串中，第一位为未使用（实际上也可作为long的符号位），接下来的41位为毫秒级时间，
* 然后5位datacenter标识位，5位机器ID（并不算标识符，实际是为线程标识），
* 然后12位该毫秒内的当前毫秒内的计数，加起来刚好64位，为一个Long型。
* 这样的好处是，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datacenter和机器ID作区分），
* 并且效率较高，经测试，snowflake每秒能够产生26万ID左右，完全满足需要。
*
* 64位ID (42(毫秒)+5(机器ID)+5(业务编码)+12(重复累加))
*
* @author Polim
*
* 共计机器32台X32 版本
* 标准版
*/
public class DefaultIdWorker {
// 时间起始标记点，作为基准，一般取系统的最近时间（一旦确定不能变动）
private final long twepoch = 1713953445000L;
// 机器标识位数 意思就是最多代表 2 ^ 5 个机房（32 个机房） 从0开始标识位
private final long workerIdBits = GlobalConfigCache.GLOBAL_CONFIG.maxWorkerIdBits;
// 机器ID最大值 2的3次方-1 7 机器id 0-7
private final long maxWorkerId = ~(-1L << workerIdBits);
// 毫秒内自增位
private final long sequenceBits = 10L;
// 机器ID偏左移12位
private final long workerIdShift = sequenceBits;
// 时间毫秒左移22位
private final long timestampLeftShift = sequenceBits + workerIdBits ;
private final long sequenceMask = -1L ^ (-1L << sequenceBits);
/* 上次生产id时间戳 */
private long lastTimestamp = -1L;
// 0，并发控制
private long sequence = 0L;
private final long workerId;
/**
* @param workerId 工作机器ID
*/
public DefaultIdWorker(long workerId) {
if (workerId > maxWorkerId || workerId < 0) {
throw new IllegalArgumentException(String.format("worker Id can't be greater than %d or less than 0", maxWorkerId));
}
this.workerId = workerId;
}
/**
* 获取下一个ID
*
*/
public synchronized long nextId() {
long timestamp = timeGen();
if (timestamp < lastTimestamp) {
long offset = lastTimestamp - timestamp;
if (offset <= 10) {
try {
wait(offset << 1);
timestamp = timeGen();
if (timestamp < lastTimestamp) {
throw new RuntimeException(String.format("雪花算法时钟回滚 距离当前时间还差%d milliseconds", offset));
}
} catch (Exception e) {
throw new RuntimeException(e);
}
} else {
throw new RuntimeException(String.format("雪花算法时钟回滚 距离当前时间还差%d milliseconds", offset));
}
}
if (lastTimestamp == timestamp) {
// 当前毫秒内，则+1
sequence = (sequence + 1) & sequenceMask;
if (sequence == 0) {
// 当前毫秒内计数满了，则等待下一秒
timestamp = tilNextMillis(lastTimestamp);
}
} else {
// 不同毫秒内，序列号置为 1 - 3 随机数
sequence = ThreadLocalRandom.current().nextLong(1, 3);
}
lastTimestamp = timestamp;
// ID偏移组合生成最终的ID，并返回ID
return ((timestamp - twepoch) << timestampLeftShift) | (workerId << workerIdShift) | sequence;
}
private long tilNextMillis(final long lastTimestamp) {
long timestamp = this.timeGen();
while (timestamp <= lastTimestamp) {
timestamp = this.timeGen();
}
return timestamp;
}
private long timeGen() {
return System.currentTimeMillis();
}
}