分布式SnowFlakeID（雪花ID）原理和改进优化

最近在研究分布式框架的组件和整体设计思路。所有的问题，一旦涉及分布式难度就呈几何倍数的提升。包括最常见的ID生成也是，单机情况下，使用数据库自增ID、UUID都是简单易行的选择

但在分布式环境下，就需要考虑同业务部署多套以后，ID重复的问题。使用数据库则数据库容易成为瓶颈，使用UUID又没有顺序，数据库集成又会遇到递增步长等问题。最后，数据库（也可使用redis）号段生成器和snowFlake就成为了目前分布式ID生成器的主流

我所知大部分互联网公司的分布式ID生成器，其实都是一个网络服务或集群，单独部署。其他应用程序通过网络去获取分布式的全局唯一ID。使用网络服务的方式，好处显而易见，就是方便集中管理，只要生成器设计的没问题，基本ID就能保证整体趋势是递增的。坏处就是获取效率被明显降低了

另外针对我司来说，由于项目的性质，采用分布式ID生成器，对开发和上线部署及其后期的运维都会带来一定的麻烦。毕竟上线后，项目的管理权就不在我们手上了，所以为了保证分布式ID生成器的稳定性，尽量不采取分布式ID生成中心的策略。于是，留给我的选择就只剩下了SnowFlakeID（雪花ID）了。

什么是SnowFlakeID

SnowFlake是twitter公司内部分布式项目采用的ID生成算法，开源后广受国内大厂的好评。由这种算法生成的ID，我们就叫做SnowFlakeID

SnowFlakeID的最大的特性就是天然去中心化，通过时间戳、工作机器编号两个变量进行配置后，通过SnowFlake算法会生成唯一的递增ID。在任何机器上，只要保证工作机器编号不同，就可以确保生成的ID唯一，且整体趋势是递增的

Snowflake的结构如下(每部分用-分开):

0 - 0000000000 0000000000 0000000000 0000000000 0 - 0000000000 - 000000000000

第一段1位为未使用，永远固定为0

第二段41位为毫秒级时间(41位的长度可以使用69年)

第三段10位为workerId(10位的长度最多支持部署1024个节点）

第三段12位为毫秒内的计数（12位的计数顺序号支持每个节点每毫秒产生4096个ID序号）

如果按照1024的满节点（1个节点就是1个部署的服务）计算，每毫秒可生成的ID序号有1024*4096=4194304个，足以满足现在绝大多数的业务情况

算法的核心如下

((当前时间 - 服务时间) << timestampLeftShift) 
        | (机器ID << workerIdShift) 
        | sequence;

服务时间指的是服务的开发时间，即第一个正式ID产生的时间。由于SnowFlakeID最长可用69年（因为只有41个bit，41个bit的最大值换算成年就是69年）。所以服务时间越贴近上线时间，则该算法可用时间越长。

其中sequence为递增序列，当前时间戳和上一ID生成时间戳一致时，sequence就递增1，直到4096为止。

SnowFlake有什么问题

SnowFlake很好，分布式、去中心化、无第三方依赖。但它并不是完美的，由于SnowFlake强依赖时间戳，所以时间的变动会造成SnowFlake的算法产生错误。

时钟回拨:最常见的问题就是时钟回拨导致的ID重复问题，在SnowFlake算法中并没有什么有效的解法，仅是抛出异常。时钟回拨涉及两种情况①实例停机→时钟回拨→实例重启→计算ID ②实例运行中→时钟回拨→计算ID

手动配置:另一个就是workerId（机器ID）是需要部署时手动配置，而workerId又不能重复。几台实例还好，一旦实例达到一定量级，管理workerId将是一个复杂的操作。

如何优化

时钟回拨改进避免

ID生成器一旦不可用，可能造成所有数据库相关新增业务都不可用，影响太大。所以时钟回拨的问题必须解决。

造成时钟回拨的原因多种多样，可能是闰秒回拨，可能是NTP同步，还可能是服务器时间手动调整。总之就是时间回到了过去。针对回退时间的多少可以进行不同的策略改进。一般有以下几种方案：

1. 少量服务器部署ID生成器实例，关闭NTP服务器，严格管理服务器。这种方案不需要从代码层面解决，完全人治。
2. 针对回退时间断的情况，如闰秒回拨仅回拨了1s，可以在代码层面通过判断暂停一定时间内的ID生成器使用。虽然少了几秒钟可用时间，但时钟正常后，业务即可恢复正常。

if (refusedSeconds <= 5) {
    try {
    //时间偏差大小小于5ms，则等待两倍时间
        wait(refusedSeconds << 1);//wait
    } catch (InterruptedException e) {
        e.printStackTrace();
    }
    currentSecond = getCurrentSecond();
}else {//时钟回拨较大
    //用其他策略修复时钟问题
}

1. 实例启动后，改用内存生成时间。该方案为baidu开源的UidGenerator使用的方案，由于实例启动后，时间不再从服务器获取，所以不管服务器时钟如何回拨，都影响不了SnowFlake的执行。如下代码中lastSecond变量是一个AtomicLong类型，用以代替系统时间

List<Long> uidList = uidProvider.provide(lastSecond.incrementAndGet());

1. 以上2和3都是解决时钟 实例运行中→时钟回拨→计算ID 的情况。而 实例停机→时钟回拨→实例重启→计算ID 的情况，可以通过实例启动的时候，采用未使用过的workerId来完成。只要workerId和此前生成ID的workerId不一致，即便时间戳有误，所生成的ID也不会重复。UidGenerator采取的就是这种方案，但这种方案又必须依赖一个存储中心，不管是 redis 、 mysql 、zookeeper都可以，但必须存储着此前使用过的workerId，不能重复。尤其是在分布式部署Id生成器的情况下，更要注意用一个存储中心解决此问题。
2. UidGenerator代码可上Github https://github.com/zer0Black/uid-generator 查看

手动配置如何变为自动

其实该处的方案和时钟回拨的第四个方案是一致的，每次重启实例的时候，自动的查找workerId使用，不依赖手动配置。且自查找的workerId不会重复。方便管理。

参考文档

1. UidGenerator文档
2. 一口气说出 9种 分布式ID生成方式，面试官有点懵了
3. Leaf——美团点评分布式ID生成系统