雪花算法数据库主键
雪花算法（Snowflake）作为一种分布式 ID 生成方案，在分布式系统中具有显著优势，能够解决多个关键问题。以下是它的核心好处及主要应用场景：
雪花算法的核心好处
- 全局唯一性：通过时间戳、机器 ID、数据中心 ID 和序列号的组合，确保在分布式环境下生成的 ID 绝对唯一
- 时间有序性：ID 包含时间戳信息，整体按时间趋势递增，对数据库索引友好
- 高性能：本地计算生成，无需网络请求，单机每秒可生成百万级 ID
- 无依赖：不依赖第三方中间件，节点可独立工作，降低系统复杂度
- 可扩展：支持最多 1024 个节点部署，可通过调整位数分配适配不同规模集群
- 节省空间：64 位长整数存储，比 UUID 更节省空间，计算和传输效率更高
雪花算法的主要应用场景
- 分布式数据库的全局唯一主键
- 订单系统的订单号生成
- 日志系统的追踪 ID
- 高并发场景下的 ID 生成（如秒杀、抢购）
- 分布式任务调度的任务 ID
- 消息队列的消息 ID
完整 Java 实现代码
public class SnowflakeIdGenerator {// 起始时间戳 (2020-01-01 00:00:00)private final long START_TIMESTAMP = 1577808000000L;// 机器ID所占的位数private final long WORKER_ID_BITS = 5L;// 数据中心ID所占的位数private final long DATA_CENTER_ID_BITS = 5L;// 支持的最大机器IDprivate final long MAX_WORKER_ID = ~(-1L << WORKER_ID_BITS);// 支持的最大数据中心IDprivate final long MAX_DATA_CENTER_ID = ~(-1L << DATA_CENTER_ID_BITS);// 序列在ID中占的位数private final long SEQUENCE_BITS = 12L;// 机器ID向左移12位private final long WORKER_ID_SHIFT = SEQUENCE_BITS;// 数据中心ID向左移17位(12+5)private final long DATA_CENTER_ID_SHIFT = SEQUENCE_BITS + WORKER_ID_BITS;// 时间戳向左移22位(5+5+12)private final long TIMESTAMP_LEFT_SHIFT = SEQUENCE_BITS + WORKER_ID_BITS + DATA_CENTER_ID_BITS;// 生成序列的掩码，这里为4095private final long SEQUENCE_MASK = ~(-1L << SEQUENCE_BITS);private long workerId; // 机器IDprivate long dataCenterId; // 数据中心IDprivate long sequence = 0L; // 毫秒内序列private long lastTimestamp = -1L; // 上次生成ID的时间戳/*** 构造函数* @param workerId 机器ID (0~31)* @param dataCenterId 数据中心ID (0~31)*/public SnowflakeIdGenerator(long workerId, long dataCenterId) {if (workerId > MAX_WORKER_ID || workerId < 0) {throw new IllegalArgumentException(String.format("workerId can't be greater than %d or less than 0", MAX_WORKER_ID));}if (dataCenterId > MAX_DATA_CENTER_ID || dataCenterId < 0) {throw new IllegalArgumentException(String.format("dataCenterId can't be greater than %d or less than 0", MAX_DATA_CENTER_ID));}this.workerId = workerId;this.dataCenterId = dataCenterId;}/*** 生成下一个ID* @return 雪花算法生成的唯一ID*/public synchronized long nextId() {long timestamp = System.currentTimeMillis();// 处理系统时钟回退if (timestamp < lastTimestamp) {throw new RuntimeException(String.format("Clock moved backwards. Refusing to generate id for %d milliseconds", lastTimestamp - timestamp));}// 同一时间戳内序列号自增if (lastTimestamp == timestamp) {sequence = (sequence + 1) & SEQUENCE_MASK;// 序列号溢出，等待下一毫秒if (sequence == 0) {timestamp = tilNextMillis(lastTimestamp);}} else {// 不同时间戳，序列号重置sequence = 0L;}// 更新上次生成ID的时间戳lastTimestamp = timestamp;// 组合生成IDreturn ((timestamp - START_TIMESTAMP) << TIMESTAMP_LEFT_SHIFT)| (dataCenterId << DATA_CENTER_ID_SHIFT)| (workerId << WORKER_ID_SHIFT)| sequence;}/*** 等待到下一毫秒*/private long tilNextMillis(long lastTimestamp) {long timestamp = System.currentTimeMillis();while (timestamp <= lastTimestamp) {timestamp = System.currentTimeMillis();}return timestamp;}// 测试public static void main(String[] args) {SnowflakeIdGenerator idGenerator = new SnowflakeIdGenerator(1, 1);// 生成10个IDfor (int i = 0; i < 10; i++) {long id = idGenerator.nextId();System.out.println("生成的ID: " + id);}}
}
使用时，只需要为每个节点分配唯一的 workerId 和 dataCenterId 组合，然后调用 nextId () 方法即可生成唯一 ID。在分布式系统中，通常可以通过配置中心或启动参数来为每个节点分配这些 ID，确保不会重复。