分布式ID自增算法 Snowflake

近在尝试EF的多数据库移植,但是原始项目中主键用的Sqlserver的GUID。MySQL没法移植了。

其实发现GUID也没法保证数据的递增性,又不太想使用int递增主键,就开始探索别的ID形式。

后来发现twitter的Snowflake算法。

一开始我尝试过直接引用Nuget里的Snowflake的扩展包(有Framework版和Core版),不过有些Bug,就是初始化参数有的时候不一定好用,最大问题是,这个需要实例化对象,并且通过同一个对象来实生成ID,否则会出现ID冲突问题。而且,我们还要考虑对象在内存的生存问题。学习这种算法是够用了,但是用到实际生产中则有很多问题,虽然我们可以通过一些技术来避免这种问题,但是总觉得不够优雅,不符合我的美学! 

后来看到这篇博客 C# 实现 Snowflake算法 先感谢一下这个大神。但是同样有上述的部分问题,做5线程的并发测试的时候效率不如扩展的。后面我们会提到。

我从这篇博客里摘来了源码,对有的地方做了一些改动使得其更适合(至少我认为是)更适合生产环境。

 先贴源码


public class SFID

    {

        ///

        /// 机器码

        ///

        private static long _workerId;


        ///

        /// 初始基准时间戳,小于当前时间点即可

        /// 分布式项目请保持此时间戳一致

        ///

        private static long _twepoch = 0L;


        ///

        /// 毫秒计数器

        ///

        private static long sequence = 0L;


        ///

        /// 机器码字节数。4个字节用来保存机器码(定义为Long类型会出现,最大偏移64位,所以左移64位没有意义)

        ///

        private static int workerIdBits = 4; 


        ///

        /// 最大机器ID所占的位数

        ///

        private static long maxWorkerId = -1L ^ -1L << workerIdBits;


        ///

        /// 计数器字节数,10个字节用来保存计数码

        ///

        private static int sequenceBits = 12;


        ///

        /// 机器码数据左移位数,就是后面计数器占用的位数

        ///

        private static int workerIdShift = sequenceBits;


        ///

        /// 时间戳左移动位数就是机器码和计数器总字节数

        ///

        private static int timestampLeftShift = sequenceBits + workerIdBits;


        ///

        /// 一微秒内可以产生计数,如果达到该值则等到下一微妙在进行生成

        ///

        private static long sequenceMask = -1L ^ -1L << sequenceBits;


        ///

        /// 最后一次的时间戳

        ///

        private static long lastTimestamp = -1L;


        ///

        /// 线程锁对象

        ///

        private static object locker = new object();

        

        static SFID()

        {

            _workerId = new Random(DateTime.Now.Millisecond).Next(1, (int)maxWorkerId);

            _twepoch = timeGen(2010, 1, 1, 0, 0, 0);

        }


        ///

        /// 机器编号

        ///

        public static long WorkerID

        {

            get { return _workerId; }

            set

            {

                if (value > 0 && value < maxWorkerId)

                    _workerId = value;

                else

                    throw new Exception("Workerid must be greater than 0 or less than " + maxWorkerId);

            }

        }


        ///

        /// 获取新的ID

        ///

        ///

        public static long NewID()

        {

            lock (locker)

            {

                long timestamp = timeGen();

                if (lastTimestamp == timestamp)

                { //同一微妙中生成ID

                    sequence = (sequence + 1) & sequenceMask; //用&运算计算该微秒内产生的计数是否已经到达上限

                    if (sequence == 0)

                    {

                        //一微妙内产生的ID计数已达上限,等待下一微妙

                        timestamp = tillNextMillis(lastTimestamp);

                    }

                }

                else

                { //不同微秒生成ID

                    sequence = 0; //计数清0

                }

                if (timestamp < lastTimestamp)

                { 

                    //如果当前时间戳比上一次生成ID时时间戳还小,抛出异常,因为不能保证现在生成的ID之前没有生成过

                    throw new Exception(string.Format("Clock moved backwards.  Refusing to generate id for {0} milliseconds", lastTimestamp - timestamp));

                }

                lastTimestamp = timestamp; //把当前时间戳保存为最后生成ID的时间戳

                return (timestamp - _twepoch << timestampLeftShift) | _workerId << workerIdShift | sequence;

            }

        }


        ///

        /// 获取下一微秒时间戳

        ///

        ///

        ///

        private static long tillNextMillis(long lastTimestamp)

        {

            long timestamp = timeGen();

            while (timestamp <= lastTimestamp)

            {

                timestamp = timeGen();

            }

            return timestamp;

        }


        ///

        /// 当前时间戳

        ///

        ///

        private static long timeGen()

        {

            return (long)(DateTime.UtcNow - new DateTime(1970, 1, 1, 0, 0, 0, DateTimeKind.Utc)).TotalMilliseconds;

        }


        ///

        /// 指定时间戳

        ///

        /// 指定时间

        ///

        private static long timeGen(int Year, int Month, int Day, int Hour, int Minute, int Second)

        {

            var UtcTime = new DateTime(Year, Month, Day, Hour, Minute, Second, DateTimeKind.Utc);

            return (long)(UtcTime - new DateTime(1970, 1, 1, 0, 0, 0, DateTimeKind.Utc)).TotalMilliseconds;

        }

    }

说下使用,理论上如果是单机部署,不用做任何配置工作

直接 SFID.NewID() 就可以使用。 

如果分布式的话

.Net Framework项目在Application_Start中,.Net Core项目在Configure中添加 SFID.WorkerID = 1L; 就可以 1L换成你的不同机器代号就可以,建议从配置文件读取可以保证代码一致性。另外不要部署ID相同的服务器,很可能会出现ID冲突。

因为就用了4位,所以最大只支持16台机器,如果不够用,可以去改workerIdBits的值,但是注意,这样会压缩ID的使用寿命,如果改为10位的话,大概可以用69年。

起始时间,我的为了保持一致使用了2010年1月1日0时。ID的使用寿命则是以这个时间点进行计算的。如果觉得不够用修代码中构造方法里的时间。但是注意多台保持一致。否则不能保证ID顺序递增。 

然后大概说说修改思路。

1、关于实例化ID算法对象这个事,我觉得与其每次都初始化,然后费了半天劲保持对象生存,不如直接使用单例模式。所以方法不需要再单独实例化。

但是这么做也是有缺点的,如果我想业务A和业务B分别使用不同ID的序列,那么多实例模式则更适合,两个不同的业务,占位可以不一样,并且允许出现相同ID,更节省ID,效率也相对较高。

2、关于效率不高的问题,其实是原来的代码中计数器位过短造成的,并发达到数量达到可分配ID的峰值后,线程就会锁死不再发放ID,直到下一毫秒。

知道问题就很好解决了,调整大计数器长度,压缩服务器编号占位(我觉得实际生产中,很少有机会会用到1K台机器并发)。

相关文章: 

  • 关于全局ID,雪花(snowflake)算法的说明

原文地址:http://www.cnblogs.com/kasimlz/p/7511131.html


.NET社区新闻,深度好文,微信中搜索dotNET跨平台或扫描二维码关注

你可能感兴趣的:(分布式ID自增算法 Snowflake)