• 0

  • 520

最详细的雪花算法讲解,看这一篇就够了(go版本)

机器猫

机器学习

1个月前

原文链接

前言

嗨,everybody,我是asong,这是我的第十二篇文章,今天给大家介绍一下雪花算法。介绍雪花算法是次要的,因为大家都太熟悉了,主要目的是推荐一下我的新系列。今天,我突发奇想,想创建一个新系列。这个系列主要是存储我们日常工作开发中使用的算法,比如雪花算法、哈希算法等等。网络上关于这些算法的知识还是很多的,但是很杂,想找一个算法很不容易,还要看各种各样的博客,五花八门的。所以我们现在的想法就是想将这些算法整理到一起,全部采用go实现,并附带基础知识学习,代码说明这样的详细文档,这样我们想要学习一门新算法时,都可以在这里找到,如果没有也可以提交issues一块完善。目前也是刚刚起步,现在只有雪花算法的代码文档,以后会慢慢完善起来的,有兴趣的小伙伴欢迎加入进来,我们一起完善。详情请看github说明:github.com/asong2020/g…

雪花算法背景

雪花算法产生的背景当然是twitter高并发环境下对唯一ID生成的需求,得益于twitter内部牛逼的技术,雪花算法能够流传于至今并且被广泛使用,是因为它有几个特点

  • 能满足高并发分布式系统环境下ID不重复
  • 生成效率高
  • 基于时间戳,可以保证基本有序递增
  • 不依赖于第三方的库或者中间件
  • 生成的id具有时序性和唯一性

雪花算法原理

先来看一个图片吧,来源于网络:

由图我们可以看出来,snowFlake ID结构是一个64bit的int型数据。

  • 第1位bit

在二进制中最高位为1,表示的是负数,因为我们使用的id应该都是整数,所以这里最高位应该是0。

  • 41bit时间戳

41位可以表示2^41-1个数字,如果只用来表示正整数,可以表示的数值范围是:0 - (2^41 -1),这里减去1的原因就是因为数值范围是从0开始计算的,而不是从1开始的。

这里的单位是毫秒,所以41位就可以表示2^41-1个毫秒值,这样转化成单位年则是 (2^41-1)/(1000 * 60 * 60 * 24 * 365) = 69

  • 10bit-工作机器id

这里是用来记录工作机器的id。2^10=1024表示当前规则允许分布式最大节点数为1024个节点。这里包括5位的workerID和5位的dataCenterID,这里其实可以不区分,但我下面的代码进行了区分。

  • 12bit-序列号

用来记录同毫秒内产生的不同id。12bit可以表示的最大正整数是2^12-1=4095,即可以用0,1,2,3,......40944095个数字,表示同一机器同一时间戳(毫秒)内产生的4095个ID序号。

原理就是上面这些,没有什么难度吧,下面我们看代码如何实现:

go实现雪花算法

1. 定义基本常量

先看代码,我们依次介绍:

const (
    workerIDBits =  uint64(5)  // 10bit 工作机器ID中的 5bit workerID
    dataCenterIDBits = uint64(5) // 10 bit 工作机器ID中的 5bit dataCenterID
    sequenceBits = uint64(12)

    maxWorkerID = int64(-1) ^ (int64(-1) << workerIDBits) //节点ID的最大值 用于防止溢出
    maxDataCenterID = int64(-1) ^ (int64(-1) << dataCenterIDBits)
    maxSequence = int64(-1) ^ (int64(-1) << sequenceBits)

    timeLeft = uint8(22)  // timeLeft = workerIDBits + sequenceBits // 时间戳向左偏移量
    dataLeft = uint8(17)  // dataLeft = dataCenterIDBits + sequenceBits
    workLeft = uint8(12)  // workLeft = sequenceBits // 节点IDx向左偏移量
    // 2020-05-20 08:00:00 +0800 CST
    twepoch = int64(1589923200000) // 常量时间戳(毫秒)
)
复制代码

下面对这段代码的每一个常量进行解释:

  • worerIDBits:这里就是对应上图中的10bit-工作机器id,我这里进行拆分了。这是其中5bit`worerIDBits
  • dataCenterIDBits:这里就是对应上图中的10bit-工作机器id,我这里进行拆分了。这是其中5bitdataCenterIDBits
  • sequenceBits:对应上图中的12bit的序列号
  • maxWorkerID:这里就是求最大,只不过我们采用了异或的方式,因为-1的二进制表示为1的补码,说通俗一点,这里其实就是2^5-1,还不懂的同学,可以自己验证一下
  • maxDataCenterID:原理同上
  • maxSequence:原理同上
  • timeLeft:时间戳向左偏移量,这么你们可能不懂,看上面的图片,由有向左的偏移量是不是22,这么说你们懂了吗?
  • dataLeft:原理同上,也是求偏移量的
  • workLeft:原理同上;
  • twepoch:41bit的时间戳,单位是毫秒,这里我选择的时间是2020-05-20 08:00:00 +0800 CST,这个ID一但生成就不要改了,要不会生成相同的ID。

2. 定义worker工作节点

因为这个是在分布式下使用的ID生成算法,所以我们要生成多个worker,所以要把节点参数抽象出来。

type Worker struct {
    mu sync.Mutex
    LastStamp int64 // 记录上一次ID的时间戳
    WorkerID int64 // 该节点的ID
    DataCenterID int64 // 该节点的 数据中心ID
    Sequence int64 // 当前毫秒已经生成的ID序列号(从0 开始累加) 1毫秒内最多生成4096个ID
}
复制代码

代码解释:

  • mu sync.Mutex:添加互斥锁,确保并发安全性
  • LastStamp int64:记录上一次生成ID的时间戳
  • WorkerID int64:该工作节点的ID 对上图中的5bit workerID 一个意思
  • DataCenterID int64: 原理同上
  • Sequence int64:当前毫秒已经生成的id序列号(从0开始累加) 1毫秒内最多生成4096个ID

3. 创建一个worker对象

//分布式情况下,我们应通过外部配置文件或其他方式为每台机器分配独立的id
func NewWorker(workerID,dataCenterID int64) *Worker  {
    return &Worker{
        WorkerID: workerID,
        LastStamp: 0,
        Sequence: 0,
        DataCenterID: dataCenterID,
    }
}
复制代码

这里没有什么好解释的~~~。

4. 生成id

先看代码:

func (w *Worker) getMilliSeconds() int64 {
    return time.Now().UnixNano() / 1e6
}

func (w *Worker)NextID() (uint64,error) {
    w.mu.Lock()
    defer w.mu.Unlock()


    return w.nextID()
}

func (w *Worker)nextID() (uint64,error) {
    timeStamp := w.getMilliSeconds()
    if timeStamp < w.LastStamp{
        return 0,errors.New("time is moving backwards,waiting until")
    }

    if w.LastStamp == timeStamp{

        w.Sequence = (w.Sequence + 1) & maxSequence

        if w.Sequence == 0 {
            for timeStamp <= w.LastStamp {
                timeStamp = w.getMilliSeconds()
            }
        }
    }else {
        w.Sequence = 0
    }

    w.LastStamp = timeStamp
    id := ((timeStamp - twepoch) << timeLeft) |
        (w.DataCenterID << dataLeft)  |
        (w.WorkerID << workLeft) |
        w.Sequence

    return uint64(id),nil
}
复制代码

代码有点长,我先来依次解释一下:

  • getMilliSeconds():封装的一个方法,用来获取当前的毫秒值
  • func (w *Worker)NextID() (uint64,error)

这个代码的内容没有什么,具体生成ID算法封装在func (w *Worker)nextID() (uint64,error)这里了,这里不过是为了解藕作用;对了还有一个特别重要的地方,加锁、释放锁,这个步骤很重要。

  • func (w *Worker)nextID() (uint64,error)

这里是真正的生成id代码了。分为几个步骤:

  • 获取当前时间戳,进行判断,要确保当前时间戳值大于上一次生成ID的时间戳,否则会出现重复。
  • 如果想等了,首先获取当前的当前毫秒已经生成的id序列号。这里你们可能没看懂,其实他等效于if w.sequence++ > maxSequence

, 如果当前毫秒已经生成的id序列号溢出了,则需要等待下一毫秒,如果不等待,就会导致很多重复。

  • 我们在else里将w.sequence置零了,这里解释一下,如果当前时间与工作节点上一次生成ID的时间不一致 则需要重置工作节点生成ID的序号。

  • 最后一步,比较重要,采用了或运算,这里的目的就是各部分的bit进行归位并通过按位或运算(就是这个‘|’)将其整合。<<这个就是向左偏移的作用进行归位,而|运算就是为了整合。可能大家还没懂,看下面这一张图片吧:

怎么样,是不是知道什么意思了。

5. 测试

写好了代码,我们就来测试一下吧,这里我并发10000个goroutine进行生成ID,存入到map,查看是否出现重复,来看代码:

var wg sync.WaitGroup

func main()  {
    w := idgen.NewWorker(5,5)

    ch := make(chan uint64,10000)
    count := 10000
    wg.Add(count)
    defer close(ch)
    //并发 count个goroutine 进行 snowFlake ID 生成
    for i:=0 ; i < count ; i++ {
        go func() {
            defer wg.Done()
            id,_ := w.NextID()
            ch <- id
        }()
    }
    wg.Wait()
    m := make(map[uint64]int)
    for i := 0; i < count; i++  {
        id := <- ch
        // 如果 map 中存在为 id 的 key, 说明生成的 snowflake ID 有重复
        _, ok := m[id]
        if ok {
            fmt.Printf("repeat id %d\n",id)
            return
        }
        // 将 id 作为 key 存入 map
        m[id] = i
    }
    // 成功生成 snowflake ID
    fmt.Println("All", len(m), "snowflake ID Get successed!")

}
复制代码

验证结果:

All 10000 snowflake ID Get successed!
复制代码

总结

好啦,这一篇文章到这里结束啦,雪花算法并没有我们想象的那么难,还是很好实现的,你学会了吗? 没学会不要紧,下载源代码,再看一看,对你不是问题的~~~。

GitHub:github.com/asong2020/g… 欢迎star 感谢各位~~~

朋友们,还记得我开头说的那些吗?有兴趣的欢迎加入进来呦,我们一起进步~~~。

推荐往期文章:

免责声明:文章版权归原作者所有,其内容与观点不代表Unitimes立场,亦不构成任何投资意见或建议。

机器学习

520

相关文章推荐

未登录头像

暂无评论