| 位置 | 大小 | 作用 |
|---|---|---|
| 0～11bit | 12bits | 序列号，用来对同一个毫秒之内产生不同的ID，可记录4095个 |
| 12～21bit | 10bits | 10bit用来记录机器ID，总共可以记录1024台机器 |
| 22～62bit | 41bits | 用来记录时间戳，这里可以记录69年 |
| 63bit | 1bit | 符号位，不做处理 |
上面只是一个将 64bit 划分的通用标准，一般的情况可以根据自己的业务情况进行调整。例如目前业务只有机器10台左右预计未来会增加到三位数，并且需要进行多机房部署，QPS 几年之内会发展到百万。
那么对于百万 QPS 平分到 10 台机器上就是每台机器承担十万级的请求即可，12 bit 的序列号完全够用。对于未来会增加到三位数机器，并且需要多机房部署的需求我们仅需要将 10 bits 的 work id 进行拆分，分割 3 bits 来代表机房数共代表可以部署8个机房，其他 7bits 代表机器数代表每个机房可以部署128台机器。那么数据格式就会如下所示：
其实看懂了上面的数据结构之后，需要自己实现一个雪花算法是非常简单，步骤大致如下：
首先我们需要定义一个 Snowflake 结构体：
type Snowflake struct {
sync.Mutex // 锁
timestamp int64 // 时间戳 ，毫秒
workerid int64 // 工作节点
datacenterid int64 // 数据中心机房id
sequence int64 // 序列号
}
然后我们需要定义一些常量，方便我们在使用雪花算法的时候进行位运算取值：
const ( epoch = int64(1577808000000) // 设置起始时间(时间戳/毫秒)：2020-01-01 00:00:00，有效期69年 timestampBits = uint(41) // 时间戳占用位数 datacenteridBits = uint(2) // 数据中心id所占位数 workeridBits = uint(7) // 机器id所占位数 sequenceBits = uint(12) // 序列所占的位数 timestampMax = int64(-1 ^ (-1 timestampBits)) // 时间戳最大值 datacenteridMax = int64(-1 ^ (-1 datacenteridBits)) // 支持的最大数据中心id数量 workeridMax = int64(-1 ^ (-1 workeridBits)) // 支持的最大机器id数量 sequenceMask = int64(-1 ^ (-1 sequenceBits)) // 支持的最大序列id数量 workeridShift = sequenceBits // 机器id左移位数 datacenteridShift = sequenceBits + workeridBits // 数据中心id左移位数 timestampShift = sequenceBits + workeridBits + datacenteridBits // 时间戳左移位数 )
需要注意的是由于 -1 在二进制上表示是：
11111111 11111111 11111111 11111111 11111111 11111111 11111111 11111111
所以想要求得 41bits 的 timestamp 最大值可以将 -1 向左位移 41 位，得到：
11111111 11111111 11111110 00000000 00000000 00000000 00000000 00000000
那么再和 -1 进行 ^异或运算：
00000000 00000000 00000001 11111111 11111111 11111111 11111111 11111111
这就可以表示 41bits 的 timestamp 最大值。datacenteridMax、workeridMax也同理。
接着我们就可以设置一个 NextVal 函数来获取 Snowflake 返回的 ID 了：
func (s *Snowflake) NextVal() int64 {
s.Lock()
now := time.Now().UnixNano() / 1000000 // 转毫秒
if s.timestamp == now {
// 当同一时间戳（精度：毫秒）下多次生成id会增加序列号
s.sequence = (s.sequence + 1) sequenceMask
if s.sequence == 0 {
// 如果当前序列超出12bit长度，则需要等待下一毫秒
// 下一毫秒将使用sequence:0
for now = s.timestamp {
now = time.Now().UnixNano() / 1000000
}
}
} else {
// 不同时间戳（精度：毫秒）下直接使用序列号：0
s.sequence = 0
}
t := now - epoch
if t > timestampMax {
s.Unlock()
glog.Errorf("epoch must be between 0 and %d", timestampMax-1)
return 0
}
s.timestamp = now
r := int64((t)timestampShift | (s.datacenterid datacenteridShift) | (s.workerid workeridShift) | (s.sequence))
s.Unlock()
return r
}
上面的代码也是非常的简单，看看注释应该也能懂，我这里说说最后返回的 r 系列的位运算表示什么意思。
首先 t 表示的是现在距离 epoch 的时间差，我们 epoch 在初始化的时候设置的是2020-01-01 00:00:00,那么对于 41bit 的 timestamp 来说会在 69 年之后才溢出。对 t 进行向左位移之后，低于 timestampShift 位置上全是0 ，由 datacenterid、workerid、sequence 进行取或填充。
在当前的例子中，如果当前时间是2021/01/01 00:00:00,那么位运算结果如下图所示：
到此这篇关于Go语言实现Snowflake雪花算法的文章就介绍到这了,更多相关Go语言雪花算法内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家！
|
|
|
|||||||||||||||
| 全国咨询热线 | |||||||||||||||||
| 400-1100-266 | |||||||||||||||||
| 在线客服( QQ：340506921 ) | |||||||||||||||||
 |
|||||||||||||||||
