分布式id生成算法的有很多种，Twitter的SnowFlake就是其中经典的一种。

1. 算法原理

SnowFlake算法生成id的结果是一个64bit大小的整数，它的结构如下图：
雪花算法 - 图1

**1bit**，不用，因为二进制中最高位是符号位，1表示负数，0表示正数。生成的id一般都是用整数，所以最高位固定为0。
**41bit-时间戳**，用来记录时间戳，毫秒级。
1. - 41位可以表示个数字，
2. - 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，减1是因为可表示的数值范围是从0开始算的，而不是1。
3. - 也就是说41位可以表示个毫秒的值，转化成单位年则是
**10bit-工作机器id**，用来记录工作机器id。- 可以部署在个节点，包括5位datacenterId和5位workerId- 5位（bit）可以表示的最大正整数是，即可以用0、1、2、3、….31这32个数字，来表示不同的datecenterId或workerId
**12bit-序列号**，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，
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。

由于在Java中64bit的整数是long类型，所以在Java中SnowFlake算法生成的id就是long来存储的。

SnowFlake可以保证：

所有生成的id按时间趋势递增

整个分布式系统内不会产生重复id（因为有datacenterId和workerId来做区分）

2. 算法实现（Java）

Twitter官方给出的算法实现是用Scala写的，这里不做分析，可自行查看。 ```java public class IdWorker{

//下面两个每个5位，加起来就是10位的工作机器id private long workerId; //工作id private long datacenterId; //数据id //12位的序列号 private long sequence;

public IdWorker(long workerId, long datacenterId, long sequence){

 // sanity check for workerId
 if (workerId > maxWorkerId || workerId < 0) {
     throw new IllegalArgumentException(String.format("worker Id can't be greater than %d or less than 0",maxWorkerId));
 }
 if (datacenterId > maxDatacenterId || datacenterId < 0) {
     throw new IllegalArgumentException(String.format("datacenter Id can't be greater than %d or less than 0",maxDatacenterId));
 }
 System.out.printf("worker starting. timestamp left shift %d, datacenter id bits %d, worker id bits %d, sequence bits %d, workerid %d",
         timestampLeftShift, datacenterIdBits, workerIdBits, sequenceBits, workerId);
 this.workerId = workerId;
 this.datacenterId = datacenterId;
 this.sequence = sequence;

}

//初始时间戳 private long twepoch = 1288834974657L;

//长度为5位 private long workerIdBits = 5L; private long datacenterIdBits = 5L; //最大值 private long maxWorkerId = -1L ^ (-1L << workerIdBits); private long maxDatacenterId = -1L ^ (-1L << datacenterIdBits); //序列号id长度 private long sequenceBits = 12L; //序列号最大值 private long sequenceMask = -1L ^ (-1L << sequenceBits);

//工作id需要左移的位数，12位 private long workerIdShift = sequenceBits; //数据id需要左移位数 12+5=17位 private long datacenterIdShift = sequenceBits + workerIdBits; //时间戳需要左移位数 12+5+5=22位 private long timestampLeftShift = sequenceBits + workerIdBits + datacenterIdBits;

//上次时间戳，初始值为负数 private long lastTimestamp = -1L;

public long getWorkerId(){

 return workerId;

}

public long getDatacenterId(){

 return datacenterId;

}

public long getTimestamp(){

 return System.currentTimeMillis();

}

//下一个ID生成算法 public synchronized long nextId() {

 long timestamp = timeGen();
 //获取当前时间戳如果小于上次时间戳，则表示时间戳获取出现异常
 if (timestamp < lastTimestamp) {
     System.err.printf("clock is moving backwards.  Rejecting requests until %d.", lastTimestamp);
     throw new RuntimeException(String.format("Clock moved backwards.  Refusing to generate id for %d milliseconds",
             lastTimestamp - timestamp));
 }
 //获取当前时间戳如果等于上次时间戳（同一毫秒内），则在序列号加一；否则序列号赋值为0，从0开始。
 if (lastTimestamp == timestamp) {
     sequence = (sequence + 1) & sequenceMask;
     if (sequence == 0) {
         timestamp = tilNextMillis(lastTimestamp);
     }
 } else {
     sequence = 0;
 }
 //将上次时间戳值刷新
 lastTimestamp = timestamp;
 /**
   * 返回结果：
   * (timestamp - twepoch) << timestampLeftShift) 表示将时间戳减去初始时间戳，再左移相应位数
   * (datacenterId << datacenterIdShift) 表示将数据id左移相应位数
   * (workerId << workerIdShift) 表示将工作id左移相应位数
   * | 是按位或运算符，例如：x | y，只有当x，y都为0的时候结果才为0，其它情况结果都为1。
   * 因为个部分只有相应位上的值有意义，其它位上都是0，所以将各部分的值进行 | 运算就能得到最终拼接好的id
 */
 return ((timestamp - twepoch) << timestampLeftShift) |
         (datacenterId << datacenterIdShift) |
         (workerId << workerIdShift) |
         sequence;

}

//获取时间戳，并与上次时间戳比较 private long tilNextMillis(long lastTimestamp) {

 long timestamp = timeGen();
 while (timestamp <= lastTimestamp) {
     timestamp = timeGen();
 }
 return timestamp;

}

//获取系统时间戳 private long timeGen(){

 return System.currentTimeMillis();

}

//———————-测试———————- public static void main(String[] args) {

 IdWorker worker = new IdWorker(1,1,1);
 for (int i = 0; i < 30; i++) {
     System.out.println(worker.nextId());
 }

}

} ``` 算法中大量使用位运算，这里不对位运算做过多解释，代码的详细解释参考煲煲菜的博客

3. 雪花算法优缺点

SnowFlake算法的优点：

高性能高可用：生成时不依赖于数据库，完全在内存中生成。
容量大：每秒中能生成数百万的自增ID。
ID自增：存入数据库中，索引效率高。

SnowFlake算法的缺点：

依赖与系统时间的一致性，如果系统时间被回调，或者改变，可能会造成id冲突或者重复。