SnowFlake
雪花演算法概述
雪花演算法是由 Twitter 開發的一種分散式唯一 ID 生成演算法,主要用於分散式系統中需要生成唯一 ID 的場景。它生成的 ID 既有全域性唯一性,又有時間有序性。
雪花演算法 ID 結構
一個典型的雪花演算法生成的 ID 一共有 64 位,通常由以下幾個部分組成:
- 1 位符號位:永遠是 0,表示正數。
- 41 位時間戳:表示從一個固定時間點(通常是某個紀元時間,比如 2020-01-01 00:00:00)開始經過的毫秒數。這部分可以使用大約 69 年的時間。
- 10 位機器 ID:用來表示不同的機器或節點,可以支援最多 1024 個節點。
- 12 位序列號:用來表示同一毫秒內產生的不同 ID,每毫秒內可以生成 4096 個不同的 ID。
雪花演算法詳細實現
以下是使用 Python 實現雪花演算法的詳細步驟:
1. 匯入必要模組
import time
2. 定義 Snowflake
類
class Snowflake:
def __init__(self, datacenter_id, worker_id, sequence=0):
self.datacenter_id = datacenter_id
self.worker_id = worker_id
self.sequence = sequence
datacenter_id
:資料中心 ID,表示不同的資料中心。worker_id
:機器 ID,表示不同的機器或節點。sequence
:序列號,初始化為 0。
3. 定義常量
self.epoch = 1577836800000 # 固定的時間戳,比如 2020-01-01 00:00:00
self.datacenter_id_bits = 5
self.worker_id_bits = 5
self.sequence_bits = 12
epoch
:紀元時間,即一個固定的時間點,從這個時間點開始計算經過的毫秒數。datacenter_id_bits
:資料中心 ID 的位數,設為 5 位。worker_id_bits
:機器 ID 的位數,設為 5 位。sequence_bits
:序列號的位數,設為 12 位。
4. 計算最大值
self.max_datacenter_id = -1 ^ (-1 << self.datacenter_id_bits)
self.max_worker_id = -1 ^ (-1 << self.worker_id_bits)
self.max_sequence = -1 ^ (-1 << self.sequence_bits)
max_datacenter_id
:資料中心 ID 的最大值。max_worker_id
:機器 ID 的最大值。max_sequence
:序列號的最大值。
5. 定義移位數
self.worker_id_shift = self.sequence_bits
self.datacenter_id_shift = self.sequence_bits + self.worker_id_bits
self.timestamp_left_shift = self.sequence_bits + self.worker_id_bits + self.datacenter_id_bits
worker_id_shift
:機器 ID 的移位數。datacenter_id_shift
:資料中心 ID 的移位數。timestamp_left_shift
:時間戳的移位數。
6. 定義時間戳獲取方法
def _gen_timestamp(self):
return int(time.time() * 1000)
_gen_timestamp
:獲取當前時間戳,單位為毫秒。
7. 定義等待方法
def _wait_for_next_millis(self, last_timestamp):
timestamp = self._gen_timestamp()
while timestamp <= last_timestamp:
timestamp = self._gen_timestamp()
return timestamp
_wait_for_next_millis
:等待到下一毫秒,確保時間戳唯一性。
8. 生成唯一 ID
def next_id(self):
timestamp = self._gen_timestamp()
if timestamp < self.last_timestamp:
raise Exception("Clock is moving backwards. Rejecting requests until %d." % self.last_timestamp)
if self.last_timestamp == timestamp:
self.sequence = (self.sequence + 1) & self.max_sequence
if self.sequence == 0:
timestamp = self._wait_for_next_millis(self.last_timestamp)
else:
self.sequence = 0
self.last_timestamp = timestamp
return ((timestamp - self.epoch) << self.timestamp_left_shift) | \
(self.datacenter_id << self.datacenter_id_shift) | \
(self.worker_id << self.worker_id_shift) | \
self.sequence
next_id
:生成唯一 ID 的方法。- 獲取當前時間戳。
- 如果當前時間戳小於上一個時間戳,丟擲異常。
- 如果當前時間戳等於上一個時間戳,增加序列號,並檢查是否溢位。如果溢位,等待到下一毫秒。
- 否則,重置序列號為 0。
- 更新上一個時間戳。
- 透過位移操作生成唯一 ID。
使用示例
# 示例使用
datacenter_id = 1 # 資料中心 ID
worker_id = 1 # 機器 ID
snowflake = Snowflake(datacenter_id, worker_id)
for _ in range(10):
print(snowflake.next_id())
- 初始化
Snowflake
類例項,傳入資料中心 ID 和機器 ID。 - 呼叫
next_id
方法生成唯一 ID。
要點
- 雪花演算法的用途:生成分散式唯一 ID。
- ID 結構:
- 1 位符號位:永遠為 0。
- 41 位時間戳:從固定時間點開始的毫秒數。
- 10 位機器 ID:表示不同機器或節點。
- 12 位序列號:同一毫秒內產生的不同 ID。
- 實現步驟:
- 匯入
time
模組。 - 定義
Snowflake
類,初始化引數。 - 定義常量:紀元時間、各部分的位數。
- 計算最大值:資料中心 ID、機器 ID、序列號。
- 定義移位數:機器 ID 移位數、資料中心 ID 移位數、時間戳移位數。
- 獲取當前時間戳的方法
_gen_timestamp
。 - 等待到下一毫秒的方法
_wait_for_next_millis
。 - 生成唯一 ID 的方法
next_id
。
- 匯入
- 使用示例:初始化
Snowflake
例項,生成唯一 ID。
第三方包
https://blog.csdn.net/m0_61970162/article/details/126474140
安裝
pip install pysnowflake
啟動服務
snowflake_start_server --worker=1
編寫程式,獲取id
from snowflake import client
print(client.get_guid()) # 4896771064513695745