分布式ID生成--snowflake算法

分布式ID的特点

• 全局唯一性：不能出现有重复的ID标识，这是基本要求。
• 递增性：确保生成的ID对于用户或业务是递增的。
• 高可用性：确保任何时候都能生成正确的ID。
• 高性能性：在高并发的环境下依然表现良好。

原理

雪花算法，是Twitter开源的由64位整数组成分布式ID，性能较高，并且在单机上递增

1.第一位 占用1bit，其值始终是0，没有实际作用。

2.时间戳 占用41bit，单位为毫秒，总共可以容纳约69年的时间。当然，我们的时间毫秒计数不会真的从1970年开始记，所以这里的时间戳只是相对于某个时间的增量。

3.工作机器id 占用10bit，其中高位5bit是数据中心ID，低位5bit是工作节点ID，最多可以容纳1024个节点。

4.序列号 占用12bit，用来记录同毫秒内产生的不同id。每个节点每毫秒0开始不断累加，最多可以累加到4095，同一毫秒一共可以产生4096个ID

同一毫秒的ID数量 = 1024 * 4096 = 4194304

算法实现

package main

import (
	"fmt"
	"github.com/bwmarrin/snowflake"
	"time"
)

var node *snowflake.Node

func Init(startTime string, machineID int64) (err error) {
   
	var st time.Time
	st, err = time.Parse("2006-01-02", startTime)
	if err != nil {
   
		return
	}
	snowflake.Epoch = st.UnixNano() / 1000000
	node, err = snowflake.NewNode(machineID)
	return
}

func GenID() int64 {
   
	return node.Generate().Int64()
}

func main() {
   
	if err := Init("2020-07-01", 1); err != nil {
   
		fmt.Printf("init failed, err:%v\n", err)
		return
	}
	id := GenID()
	fmt.Println(id)
}

使用场景

不仅仅是用于用户ID，实际上互联网中有很多场景需要能够生成类似MySQL自增ID这样不断增大，同时又不会重复的id，以支持业务中的高并发场景，例如在消息队列系统中，为每一个消息生成全局的唯一ID等。

比较典型的场景有：电商促销时短时间内会有大量的订单涌入到系统，微博出现爆炸性新闻时会产生大量的相关微博转发和评论消息。

优缺点

优点

• 唯一性：雪花算法生成的ID在分布式系统中是唯一的。这是因为它结合了时间戳、机器ID和序列号，确保在相同的时间戳内、相同的机器ID下生成的ID是唯一的。
• 有序性：生成的ID是递增的（在同一毫秒内），这有助于提高数据库索引性能，减少数据库的碎片化。
• 高性能：雪花算法是一种轻量级的算法，计算简单快速，生成ID的速度很高。
• 分布式可用性：适用于分布式系统，不同节点上生成的ID可以保持全局唯一性。

缺点

• 依赖时钟：雪花算法的唯一性基于时间戳，因此如果系统时间发生回退（例如，时钟同步问题、时钟漂移等），可能会导致生成的ID不唯一，甚至出现ID倒序的情况。
• 机器ID有限制：机器ID的位数限制了系统所能容纳的节点数目，一般情况下，最多支持4096个节点。

注意事项

js支持最大的整型范围为53位，超过这个范围就会丢失精度，53之内可以直接由js读取，超过53位就需要转换成字符串才能保证js处理正确。53位存储的话，32位存储秒级时间戳，5位存储机器码，16位存储序列化，这样每台机器每秒可以生产65536个不重复的id。