| 位置 | 大小 | 作用 |
|---|---|---|
| 0～11bit | 12bits | 序列號，用來對同一個毫秒之內產生不同的ID，可記錄4095個 |
| 12～21bit | 10bits | 10bit用來記錄機器ID，總共可以記錄1024臺機器 |
| 22～62bit | 41bits | 用來記錄時間戳，這里可以記錄69年 |
| 63bit | 1bit | 符號位，不做處理 |
上面只是一個將 64bit 劃分的通用標準，一般的情況可以根據自己的業(yè)務情況進行調整。例如目前業(yè)務只有機器10臺左右預計未來會增加到三位數，并且需要進行多機房部署，QPS 幾年之內會發(fā)展到百萬。
那么對于百萬 QPS 平分到 10 臺機器上就是每臺機器承擔十萬級的請求即可，12 bit 的序列號完全夠用。對于未來會增加到三位數機器，并且需要多機房部署的需求我們僅需要將 10 bits 的 work id 進行拆分，分割 3 bits 來代表機房數共代表可以部署8個機房，其他 7bits 代表機器數代表每個機房可以部署128臺機器。那么數據格式就會如下所示：
其實看懂了上面的數據結構之后，需要自己實現一個雪花算法是非常簡單，步驟大致如下：
首先我們需要定義一個 Snowflake 結構體：
type Snowflake struct {
sync.Mutex // 鎖
timestamp int64 // 時間戳 ，毫秒
workerid int64 // 工作節(jié)點
datacenterid int64 // 數據中心機房id
sequence int64 // 序列號
}
然后我們需要定義一些常量，方便我們在使用雪花算法的時候進行位運算取值：
const ( epoch = int64(1577808000000) // 設置起始時間(時間戳/毫秒)：2020-01-01 00:00:00，有效期69年 timestampBits = uint(41) // 時間戳占用位數 datacenteridBits = uint(2) // 數據中心id所占位數 workeridBits = uint(7) // 機器id所占位數 sequenceBits = uint(12) // 序列所占的位數 timestampMax = int64(-1 ^ (-1 timestampBits)) // 時間戳最大值 datacenteridMax = int64(-1 ^ (-1 datacenteridBits)) // 支持的最大數據中心id數量 workeridMax = int64(-1 ^ (-1 workeridBits)) // 支持的最大機器id數量 sequenceMask = int64(-1 ^ (-1 sequenceBits)) // 支持的最大序列id數量 workeridShift = sequenceBits // 機器id左移位數 datacenteridShift = sequenceBits + workeridBits // 數據中心id左移位數 timestampShift = sequenceBits + workeridBits + datacenteridBits // 時間戳左移位數 )
需要注意的是由于 -1 在二進制上表示是：
11111111 11111111 11111111 11111111 11111111 11111111 11111111 11111111
所以想要求得 41bits 的 timestamp 最大值可以將 -1 向左位移 41 位，得到：
11111111 11111111 11111110 00000000 00000000 00000000 00000000 00000000
那么再和 -1 進行 ^異或運算：
00000000 00000000 00000001 11111111 11111111 11111111 11111111 11111111
這就可以表示 41bits 的 timestamp 最大值。datacenteridMax、workeridMax也同理。
接著我們就可以設置一個 NextVal 函數來獲取 Snowflake 返回的 ID 了：
func (s *Snowflake) NextVal() int64 {
s.Lock()
now := time.Now().UnixNano() / 1000000 // 轉毫秒
if s.timestamp == now {
// 當同一時間戳（精度：毫秒）下多次生成id會增加序列號
s.sequence = (s.sequence + 1) sequenceMask
if s.sequence == 0 {
// 如果當前序列超出12bit長度，則需要等待下一毫秒
// 下一毫秒將使用sequence:0
for now = s.timestamp {
now = time.Now().UnixNano() / 1000000
}
}
} else {
// 不同時間戳（精度：毫秒）下直接使用序列號：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
}
上面的代碼也是非常的簡單，看看注釋應該也能懂，我這里說說最后返回的 r 系列的位運算表示什么意思。
首先 t 表示的是現在距離 epoch 的時間差，我們 epoch 在初始化的時候設置的是2020-01-01 00:00:00,那么對于 41bit 的 timestamp 來說會在 69 年之后才溢出。對 t 進行向左位移之后，低于 timestampShift 位置上全是0 ，由 datacenterid、workerid、sequence 進行取或填充。
在當前的例子中，如果當前時間是2021/01/01 00:00:00,那么位運算結果如下圖所示：
到此這篇關于Go語言實現Snowflake雪花算法的文章就介紹到這了,更多相關Go語言雪花算法內容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關文章希望大家以后多多支持腳本之家！
