SnowFlake --- 分布式id生成算法

转载自：https://segmentfault.com/a/1190000011282426

概述

SnowFlake算法生成id的结果是一个64bit大小的整数，它的结构如下图：

SnowFlake --- 分布式id生成算法-LMLPHP

1位，不用。二进制中最高位为1的都是负数，但是我们生成的id一般都使用整数，所以这个最高位固定是0

41位，用来记录时间戳（毫秒）。

<ul style="margin-left:3em;"><li>41位可以表示241−1个数字，</li>

	<li>如果只用来表示正整数（计算机中正数包含0），可以表示的数值范围是：0 至&nbsp;241−1，减1是因为可表示的数值范围是从0开始算的，而不是1。</li>

	<li>也就是说41位可以表示241−1个毫秒的值，转化成单位年则是(241−1)/(1000∗60∗60∗24∗365)=69年</li>

</ul></li>

<li>

<p><code>10位</code>，用来记录工作机器id。</p>

<ul style="margin-left:3em;"><li>可以部署在210=1024个节点，包括<code>5位datacenterId</code>和<code>5位workerId</code></li>

	<li><code>5位（bit）</code>可以表示的最大正整数是25−1=31，即可以用0、1、2、3、....31这32个数字，来表示不同的datecenterId或workerId</li>

</ul></li>

<li>

<p><code>12位</code>，序列号，用来记录同毫秒内产生的不同id。</p>

<ul style="margin-left:3em;"><li><code>12位（bit）</code>可以表示的最大正整数是212−1=4096，即可以用0、1、2、3、....4095这4096个数字，来表示同一机器同一时间截（毫秒)内产生的4096个ID序号</li>

</ul></li>

由于在Java中64bit的整数是long类型，所以在Java中SnowFlake算法生成的id就是long来存储的。

SnowFlake可以保证：

所有生成的id按时间趋势递增
整个分布式系统内不会产生重复id（因为有datacenterId和workerId来做区分）

Talk is cheap, show you the code

以下是Twitter官方原版的，用Scala写的，（我也不懂Scala，当成Java看即可）：






/** Copyright 2010-2012 Twitter, Inc.*/





package com.twitter.service.snowflake





 





import com.twitter.ostrich.stats.Stats





import com.twitter.service.snowflake.gen._





import java.util.Random





import com.twitter.logging.Logger





 





/**





 * An object that generates IDs.





 * This is broken into a separate class in case





 * we ever want to support multiple worker threads





 * per process





 */





class IdWorker(





    val workerId: Long, 





    val datacenterId: Long, 





    private val reporter: Reporter, 





    var sequence: Long = 0L) extends Snowflake.Iface {





    





  private[this] def genCounter(agent: String) = {





    Stats.incr("ids_generated")





    Stats.incr("ids_generated_%s".format(agent))





  }





  private[this] val exceptionCounter = Stats.getCounter("exceptions")





  private[this] val log = Logger.get





  private[this] val rand = new Random





 





  val twepoch = 1288834974657L





 





  private[this] val workerIdBits = 5L





  private[this] val datacenterIdBits = 5L





  private[this] val maxWorkerId = -1L ^ (-1L << workerIdBits)





  private[this] val maxDatacenterId = -1L ^ (-1L << datacenterIdBits)





  private[this] val sequenceBits = 12L





 





  private[this] val workerIdShift = sequenceBits





  private[this] val datacenterIdShift = sequenceBits + workerIdBits





  private[this] val timestampLeftShift = sequenceBits + workerIdBits + datacenterIdBits





  private[this] val sequenceMask = -1L ^ (-1L << sequenceBits)





 





  private[this] var lastTimestamp = -1L





 





  // sanity check for workerId





  if (workerId > maxWorkerId || workerId < 0) {





    exceptionCounter.incr(1)





    throw new IllegalArgumentException("worker Id can't be greater than %d or less than 0".format(maxWorkerId))





  }





 





  if (datacenterId > maxDatacenterId || datacenterId < 0) {





    exceptionCounter.incr(1)





    throw new IllegalArgumentException("datacenter Id can't be greater than %d or less than 0".format(maxDatacenterId))





  }





 





  log.info("worker starting. timestamp left shift %d, datacenter id bits %d, worker id bits %d, sequence bits %d, workerid %d",





    timestampLeftShift, datacenterIdBits, workerIdBits, sequenceBits, workerId)





 





  def get_id(useragent: String): Long = {





    if (!validUseragent(useragent)) {





      exceptionCounter.incr(1)





      throw new InvalidUserAgentError





    }





 





    val id = nextId()





    genCounter(useragent)





 





    reporter.report(new AuditLogEntry(id, useragent, rand.nextLong))





    id





  }





 





  def get_worker_id(): Long = workerId





  def get_datacenter_id(): Long = datacenterId





  def get_timestamp() = System.currentTimeMillis





 





  protected[snowflake] def nextId(): Long = synchronized {





    var timestamp = timeGen()





 





    if (timestamp < lastTimestamp) {





      exceptionCounter.incr(1)





      log.error("clock is moving backwards.  Rejecting requests until %d.", lastTimestamp);





      throw new InvalidSystemClock("Clock moved backwards.  Refusing to generate id for %d milliseconds".format(





        lastTimestamp - timestamp))





    }





 





    if (lastTimestamp == timestamp) {





      sequence = (sequence + 1) & sequenceMask





      if (sequence == 0) {





        timestamp = tilNextMillis(lastTimestamp)





      }





    } else {





      sequence = 0





    }





 





    lastTimestamp = timestamp





    ((timestamp - twepoch) << timestampLeftShift) |





      (datacenterId << datacenterIdShift) |





      (workerId << workerIdShift) | 





      sequence





  }





 





  protected def tilNextMillis(lastTimestamp: Long): Long = {





    var timestamp = timeGen()





    while (timestamp <= lastTimestamp) {





      timestamp = timeGen()





    }





    timestamp





  }





 





  protected def timeGen(): Long = System.currentTimeMillis()





 





  val AgentParser = """([a-zA-Z][a-zA-Z\-0-9]*)""".r





 





  def validUseragent(useragent: String): Boolean = useragent match {





    case AgentParser(_) => true





    case _ => false





  }





}

Scala是一门可以编译成字节码的语言，简单理解是在Java语法基础上加上了很多语法糖，例如不用每条语句后写分号，可以使用动态类型等等。抱着试一试的心态，我把Scala版的代码“翻译”成Java版本的，对scala代码改动的地方如下：






/** Copyright 2010-2012 Twitter, Inc.*/





package com.twitter.service.snowflake





 





import com.twitter.ostrich.stats.Stats 





import com.twitter.service.snowflake.gen._





import java.util.Random





import com.twitter.logging.Logger





 





/**





 * An object that generates IDs.





 * This is broken into a separate class in case





 * we ever want to support multiple worker threads





 * per process





 */





class IdWorker(                                        // |





    val workerId: Long,                                // |





    val datacenterId: Long,                            // |<--这部分改成Java的构造函数形式





    private val reporter: Reporter,//日志相关，删       // |





    var sequence: Long = 0L)                           // |





       extends Snowflake.Iface { //接口找不到，删       // |     





    





  private[this] def genCounter(agent: String) = {                     // |





    Stats.incr("ids_generated")                                       // |





    Stats.incr("ids_generated_%s".format(agent))                      // |<--错误、日志处理相关，删





  }                                                                   // | 





  private[this] val exceptionCounter = Stats.getCounter("exceptions") // |





  private[this] val log = Logger.get                                  // |





  private[this] val rand = new Random                                 // | 





 





  val twepoch = 1288834974657L





 





  private[this] val workerIdBits = 5L





  private[this] val datacenterIdBits = 5L





  private[this] val maxWorkerId = -1L ^ (-1L << workerIdBits)





  private[this] val maxDatacenterId = -1L ^ (-1L << datacenterIdBits)





  private[this] val sequenceBits = 12L





 





  private[this] val workerIdShift = sequenceBits





  private[this] val datacenterIdShift = sequenceBits + workerIdBits





  private[this] val timestampLeftShift = sequenceBits + workerIdBits + datacenterIdBits





  private[this] val sequenceMask = -1L ^ (-1L << sequenceBits)





 





  private[this] var lastTimestamp = -1L





 





  //----------------------------------------------------------------------------------------------------------------------------//





  // sanity check for workerId                                                                                                  //





  if (workerId > maxWorkerId || workerId < 0) {                                                                                 //





    exceptionCounter.incr(1) //<--错误处理相关，删                                                                               //





    throw new IllegalArgumentException("worker Id can't be greater than %d or less than 0".format(maxWorkerId))                 //这





    // |-->改成：throw new IllegalArgumentException                                                                              //部





    //            (String.format("worker Id can't be greater than %d or less than 0",maxWorkerId))                              //分





  }                                                                                                                             //放





                                                                                                                                //到





  if (datacenterId > maxDatacenterId || datacenterId < 0) {                                                                     //构





    exceptionCounter.incr(1) //<--错误处理相关，删                                                                               //造





    throw new IllegalArgumentException("datacenter Id can't be greater than %d or less than 0".format(maxDatacenterId))         //函





    // |-->改成：throw new IllegalArgumentException                                                                             //数





    //             (String.format("datacenter Id can't be greater than %d or less than 0",maxDatacenterId))                     //中





  }                                                                                                                             //





                                                                                                                                //





  log.info("worker starting. timestamp left shift %d, datacenter id bits %d, worker id bits %d, sequence bits %d, workerid %d", //  





    timestampLeftShift, datacenterIdBits, workerIdBits, sequenceBits, workerId)                                                 //   





  // |-->改成：System.out.printf("worker...%d...",timestampLeftShift,...);                                                      //





  //----------------------------------------------------------------------------------------------------------------------------//





 





  //-------------------------------------------------------------------//  





  //这个函数删除错误处理相关的代码后，剩下一行代码：val id = nextId()      //





  //所以我们直接调用nextId()函数可以了，所以在“翻译”时可以删除这个函数      //





  def get_id(useragent: String): Long = {                              // 





    if (!validUseragent(useragent)) {                                  //





      exceptionCounter.incr(1)                                         //





      throw new InvalidUserAgentError                                  //删





    }                                                                  //除





                                                                       // 





    val id = nextId()                                                  // 





    genCounter(useragent)                                              //





                                                                       //





    reporter.report(new AuditLogEntry(id, useragent, rand.nextLong))   //





    id                                                                 //





  }                                                                    // 





  //-------------------------------------------------------------------//





 





  def get_worker_id(): Long = workerId           // |





  def get_datacenter_id(): Long = datacenterId   // |<--改成Java函数





  def get_timestamp() = System.currentTimeMillis // |





 





  protected[snowflake] def nextId(): Long = synchronized { // 改成Java函数





    var timestamp = timeGen()





 





    if (timestamp < lastTimestamp) {





      exceptionCounter.incr(1) // 错误处理相关，删





      log.error("clock is moving backwards.  Rejecting requests until %d.", lastTimestamp); // 改成System.err.printf(...)





      throw new InvalidSystemClock("Clock moved backwards.  Refusing to generate id for %d milliseconds".format(





        lastTimestamp - timestamp)) // 改成RumTimeException





    }





 





    if (lastTimestamp == timestamp) {





      sequence = (sequence + 1) & sequenceMask





      if (sequence == 0) {





        timestamp = tilNextMillis(lastTimestamp)





      }





    } else {





      sequence = 0





    }





 





    lastTimestamp = timestamp





    ((timestamp - twepoch) << timestampLeftShift) | // |<--加上关键字return





      (datacenterId << datacenterIdShift) |         // |





      (workerId << workerIdShift) |                 // |





      sequence                                      // |





  }





 





  protected def tilNextMillis(lastTimestamp: Long): Long = { // 改成Java函数





    var timestamp = timeGen()





    while (timestamp <= lastTimestamp) {





      timestamp = timeGen()





    }





    timestamp // 加上关键字return





  }





 





  protected def timeGen(): Long = System.currentTimeMillis() // 改成Java函数





 





  val AgentParser = """([a-zA-Z][a-zA-Z\-0-9]*)""".r                  // |





                                                                      // | 





  def validUseragent(useragent: String): Boolean = useragent match {  // |<--日志相关，删





    case AgentParser(_) => true                                       // |





    case _ => false                                                   // |   





  }                                                                   // | 





}

改出来的Java版：






public class IdWorker{





 





    private long workerId;





    private long datacenterId;





    private long sequence;





 





    public IdWorker(long workerId, long datacenterId, long sequence){





        // sanity check for workerId





        if (workerId > maxWorkerId || workerId < 0) {





            throw new IllegalArgumentException(String.format("worker Id can't be greater than %d or less than 0",maxWorkerId));





        }





        if (datacenterId > maxDatacenterId || datacenterId < 0) {





            throw new IllegalArgumentException(String.format("datacenter Id can't be greater than %d or less than 0",maxDatacenterId));





        }





        System.out.printf("worker starting. timestamp left shift %d, datacenter id bits %d, worker id bits %d, sequence bits %d, workerid %d",





                timestampLeftShift, datacenterIdBits, workerIdBits, sequenceBits, workerId);





 





        this.workerId = workerId;





        this.datacenterId = datacenterId;





        this.sequence = sequence;





    }





 





    private long twepoch = 1288834974657L;





 





    private long workerIdBits = 5L;





    private long datacenterIdBits = 5L;





    private long maxWorkerId = -1L ^ (-1L << workerIdBits);





    private long maxDatacenterId = -1L ^ (-1L << datacenterIdBits);





    private long sequenceBits = 12L;





 





    private long workerIdShift = sequenceBits;





    private long datacenterIdShift = sequenceBits + workerIdBits;





    private long timestampLeftShift = sequenceBits + workerIdBits + datacenterIdBits;





    private long sequenceMask = -1L ^ (-1L << sequenceBits);





 





    private long lastTimestamp = -1L;





 





    public long getWorkerId(){





        return workerId;





    }





 





    public long getDatacenterId(){





        return datacenterId;





    }





 





    public long getTimestamp(){





        return System.currentTimeMillis();





    }





 





    public synchronized long nextId() {





        long timestamp = timeGen();





 





        if (timestamp < lastTimestamp) {





            System.err.printf("clock is moving backwards.  Rejecting requests until %d.", lastTimestamp);





            throw new RuntimeException(String.format("Clock moved backwards.  Refusing to generate id for %d milliseconds",





                    lastTimestamp - timestamp));





        }





 





        if (lastTimestamp == timestamp) {





            sequence = (sequence + 1) & sequenceMask;





            if (sequence == 0) {





                timestamp = tilNextMillis(lastTimestamp);





            }





        } else {





            sequence = 0;





        }





 





        lastTimestamp = timestamp;





        return ((timestamp - twepoch) << timestampLeftShift) |





                (datacenterId << datacenterIdShift) |





                (workerId << workerIdShift) |





                sequence;





    }





 





    private long tilNextMillis(long lastTimestamp) {





        long timestamp = timeGen();





        while (timestamp <= lastTimestamp) {





            timestamp = timeGen();





        }





        return timestamp;





    }





 





    private long timeGen(){





        return System.currentTimeMillis();





    }





 





    //---------------测试---------------





    public static void main(String[] args) {





        IdWorker worker = new IdWorker(1,1,1);





        for (int i = 0; i < 30; i++) {





            System.out.println(worker.nextId());





        }





    }





 





}

代码理解

上面的代码中，有部分位运算的代码，如：






sequence = (sequence + 1) & sequenceMask;





 





private long maxWorkerId = -1L ^ (-1L << workerIdBits);





 





return ((timestamp - twepoch) << timestampLeftShift) |





        (datacenterId << datacenterIdShift) |





        (workerId << workerIdShift) |





        sequence;

为了能更好理解，我对相关知识研究了一下。

负数的二进制表示

在计算机中，负数的二进制是用补码来表示的。

假设我是用Java中的int类型来存储数字的，

int类型的大小是32个二进制位（bit），即4个字节（byte）。（1 byte = 8 bit）

那么十进制数字3在二进制中的表示应该是这样的：






00000000 00000000 00000000 00000011





// 3的二进制表示，就是原码

那数字-3在二进制中应该如何表示？

我们可以反过来想想，因为-3+3=0，

在二进制运算中把-3的二进制看成未知数x来求解，

求解算式的二进制表示如下：






 





   00000000 00000000 00000000 00000011 //3，原码





+  xxxxxxxx xxxxxxxx xxxxxxxx xxxxxxxx //-3，补码





-----------------------------------------------





   00000000 00000000 00000000 00000000

反推x的值，3的二进制加上什么值才使结果变成00000000 00000000 00000000 00000000？：






   00000000 00000000 00000000 00000011 //3，原码                         





+  11111111 11111111 11111111 11111101 //-3，补码





-----------------------------------------------





 1 00000000 00000000 00000000 00000000

反推的思路是3的二进制数从最低位开始逐位加1，使溢出的1不断向高位溢出，直到溢出到第33位。然后由于int类型最多只能保存32个二进制位，所以最高位的1溢出了，剩下的32位就成了（十进制的）0。

补码的意义就是可以拿补码和原码（3的二进制）相加，最终加出一个“溢出的0”

以上是理解的过程，实际中记住公式就很容易算出来：

补码 = 反码 + 1
补码 = （原码 - 1）再取反码

因此-1的二进制应该这样算：






00000000 00000000 00000000 00000001 //原码：1的二进制





11111111 11111111 11111111 11111110 //取反码：1的二进制的反码





11111111 11111111 11111111 11111111 //加1：-1的二进制表示（补码）

用位运算计算n个bit能表示的最大数值

比如这样一行代码：






 





    private long workerIdBits = 5L;





    private long maxWorkerId = -1L ^ (-1L << workerIdBits);

上面代码换成这样看方便一点：
long maxWorkerId = -1L ^ (-1L << 5L)

咋一看真的看不准哪个部分先计算，于是查了一下Java运算符的优先级表:
SnowFlake --- 分布式id生成算法-LMLPHP

所以上面那行代码中，运行顺序是：

-1 左移 5，得结果a
-1 异或 a

long maxWorkerId = -1L ^ (-1L << 5L)的二进制运算过程如下：

-1 左移 5，得结果a ：






        11111111 11111111 11111111 11111111 //-1的二进制表示（补码）





  11111 11111111 11111111 11111111 11100000 //高位溢出的不要，低位补0





        11111111 11111111 11111111 11100000 //结果a

-1 异或 a ：






        11111111 11111111 11111111 11111111 //-1的二进制表示（补码）





    ^   11111111 11111111 11111111 11100000 //两个操作数的位中，相同则为0，不同则为1





---------------------------------------------------------------------------





        00000000 00000000 00000000 00011111 //最终结果31

最终结果是31，二进制00000000 00000000 00000000 00011111转十进制可以这么算：

24+23+22+21+20=16+8+4+2+1=31

那既然现在知道算出来long maxWorkerId = -1L ^ (-1L << 5L)中的maxWorkerId = 31，有什么含义？为什么要用左移5来算？如果你看过概述部分，请找到这段内容看看：

-1L ^ (-1L << 5L)结果是31，25−1的结果也是31，所以在代码中，-1L ^ (-1L << 5L)的写法是利用位运算计算出5位能表示的最大正整数是多少

用mask防止溢出

有一段有趣的代码：

sequence = (sequence + 1) & sequenceMask;

分别用不同的值测试一下，你就知道它怎么有趣了：






        long seqMask = -1L ^ (-1L << 12L); //计算12位能耐存储的最大正整数，相当于：2^12-1 = 4095





        System.out.println("seqMask: "+seqMask);





        System.out.println(1L & seqMask);





        System.out.println(2L & seqMask);





        System.out.println(3L & seqMask);





        System.out.println(4L & seqMask);





        System.out.println(4095L & seqMask);





        System.out.println(4096L & seqMask);





        System.out.println(4097L & seqMask);





        System.out.println(4098L & seqMask);





 





        





        /**





        seqMask: 4095





        1





        2





        3





        4





        4095





        0





        1





        2





        */

这段代码通过位与运算保证计算的结果范围始终是 0-4095 ！

用位运算汇总结果

还有另外一段诡异的代码：






return ((timestamp - twepoch) << timestampLeftShift) |





        (datacenterId << datacenterIdShift) |





        (workerId << workerIdShift) |





        sequence;

为了弄清楚这段代码，

首先 需要计算一下相关的值：






 





    private long twepoch = 1288834974657L; //起始时间戳，用于用当前时间戳减去这个时间戳，算出偏移量





 





    private long workerIdBits = 5L; //workerId占用的位数：5





    private long datacenterIdBits = 5L; //datacenterId占用的位数：5





    private long maxWorkerId = -1L ^ (-1L << workerIdBits);  // workerId可以使用的最大数值：31





    private long maxDatacenterId = -1L ^ (-1L << datacenterIdBits); // datacenterId可以使用的最大数值：31





    private long sequenceBits = 12L;//序列号占用的位数：12





 





    private long workerIdShift = sequenceBits; // 12





    private long datacenterIdShift = sequenceBits + workerIdBits; // 12+5 = 17





    private long timestampLeftShift = sequenceBits + workerIdBits + datacenterIdBits; // 12+5+5 = 22





    private long sequenceMask = -1L ^ (-1L << sequenceBits);//4095





 





    private long lastTimestamp = -1L;

其次 写个测试，把参数都写死，并运行打印信息，方便后面来核对计算结果：






 





    //---------------测试---------------





    public static void main(String[] args) {





        long timestamp = 1505914988849L;





        long twepoch = 1288834974657L;





        long datacenterId = 17L;





        long workerId = 25L;





        long sequence = 0L;





 





        System.out.printf("\ntimestamp: %d \n",timestamp);





        System.out.printf("twepoch: %d \n",twepoch);





        System.out.printf("datacenterId: %d \n",datacenterId);





        System.out.printf("workerId: %d \n",workerId);





        System.out.printf("sequence: %d \n",sequence);





        System.out.println();





        System.out.printf("(timestamp - twepoch): %d \n",(timestamp - twepoch));





        System.out.printf("((timestamp - twepoch) << 22L): %d \n",((timestamp - twepoch) << 22L));





        System.out.printf("(datacenterId << 17L): %d \n" ,(datacenterId << 17L));





        System.out.printf("(workerId << 12L): %d \n",(workerId << 12L));





        System.out.printf("sequence: %d \n",sequence);





 





        long result = ((timestamp - twepoch) << 22L) |





                (datacenterId << 17L) |





                (workerId << 12L) |





                sequence;





        System.out.println(result);





 





    }





 





    /** 打印信息：





        timestamp: 1505914988849 





        twepoch: 1288834974657 





        datacenterId: 17 





        workerId: 25 





        sequence: 0 





        





        (timestamp - twepoch): 217080014192 





        ((timestamp - twepoch) << 22L): 910499571845562368 





        (datacenterId << 17L): 2228224 





        (workerId << 12L): 102400 





        sequence: 0 





        910499571847892992





    */

代入位移的值得之后，就是这样：






return ((timestamp - 1288834974657) << 22) |





        (datacenterId << 17) |





        (workerId << 12) |





        sequence;

对于尚未知道的值，我们可以先看看概述 中对SnowFlake结构的解释，再代入在合法范围的值(windows系统可以用计算器方便计算这些值的二进制)，来了解计算的过程。

当然，由于我的测试代码已经把这些值写死了，那直接用这些值来手工验证计算结果即可：






        long timestamp = 1505914988849L;





        long twepoch = 1288834974657L;





        long datacenterId = 17L;





        long workerId = 25L;





        long sequence = 0L;






设：timestamp  = 1505914988849，twepoch = 1288834974657





1505914988849 - 1288834974657 = 217080014192 (timestamp相对于起始时间的毫秒偏移量)，其(a)二进制左移22位计算过程如下：                                





 





                        |<--这里开始左右22位                            ‭





00000000 00000000 000000|00 00110010 10001010 11111010 00100101 01110000 // a = 217080014192





00001100 10100010 10111110 10001001 01011100 00|000000 00000000 00000000 // a左移22位后的值(la)





                                               |<--这里后面的位补0






设：datacenterId  = 17，其（b）二进制左移17位计算过程如下：





 





                   |<--这里开始左移17位    





00000000 00000000 0|0000000 ‭00000000 00000000 00000000 00000000 00010001 // b = 17





0000000‭0 00000000 00000000 00000000 00000000 0010001|0 00000000 00000000 // b左移17位后的值(lb)





                                                    |<--这里后面的位补0






设：workerId  = 25，其（c）二进制左移12位计算过程如下：





 





             |<--这里开始左移12位    





‭00000000 0000|0000 00000000 00000000 00000000 00000000 00000000 00011001‬ // c = 25





00000000 00000000 00000000 00000000 00000000 00000001 1001|0000 00000000‬ // c左移12位后的值(lc)                                                                 





                                                          |<--这里后面的位补0






设：sequence = 0，其二进制如下：





 





00000000 00000000 00000000 00000000 00000000 00000000 0000‭0000 00000000‬ // sequence = 0

现在知道了每个部分左移后的值(la,lb,lc)，代码可以简化成下面这样去理解：






return ((timestamp - 1288834974657) << 22) |





        (datacenterId << 17) |





        (workerId << 12) |





        sequence;





-----------------------------





           |





           |简化





          \|/





-----------------------------





return (la) |





        (lb) |





        (lc) |





        sequence;

上面的管道符号|在Java中也是一个位运算符。其含义是：
x的第n位和y的第n位只要有一个是1，则结果的第n位也为1，否则为0，因此，我们对四个数的位或运算如下：






 1  |                    41                        |  5  |   5  |     12      





    





   0|0001100 10100010 10111110 10001001 01011100 00|00000|0 0000|0000 00000000 //la





   0|000000‭0 00000000 00000000 00000000 00000000 00|10001|0 0000|0000 00000000 //lb





   0|0000000 00000000 00000000 00000000 00000000 00|00000|1 1001|0000 00000000 //lc





or 0|0000000 00000000 00000000 00000000 00000000 00|00000|0 0000|‭0000 00000000‬ //sequence





------------------------------------------------------------------------------------------





   0|0001100 10100010 10111110 10001001 01011100 00|10001|1 1001|‭0000 00000000‬ //结果：910499571847892992

结果计算过程：

1) 从至左列出1出现的下标（从0开始算）：






0000  1   1   00  1   0  1  000  1   0  1  0  1  1  1  1  1  0 1   000 1 00 1  0 1  0   1  1  1  0000 1   000  1  1  1  00  1‭   0000 0000 0000





      59  58      55     53      49     47    45 44 43 42 41   39      35   32   30     28 27 26      21       17 16 15     12

2) 各个下标作为2的幂数来计算，并相加：






    2^59}  : 576460752303423488





    2^58}  : 288230376151711744   





    2^55}  :  36028797018963968    





    2^53}  :   9007199254740992     





    2^49}  :    562949953421312      





    2^47}  :    140737488355328





    2^45}  :     35184372088832





    2^44}  :     17592186044416





    2^43}  :      8796093022208





    2^42}  :      4398046511104





    2^41}  :      2199023255552





    2^39}  :       549755813888





    2^35}  :        34359738368





    2^32}  :         4294967296





    2^30}  :         1073741824





    2^28}  :          268435456





    2^27}  :          134217728





    2^26}  :           67108864





    2^21}  :            2097152





    2^17}  :             131072





    2^16}  :              65536





    2^15}  :              32768





+   2^12}  :               4096





---------------------------------------- 





             910499571847892992

计算截图：
SnowFlake --- 分布式id生成算法-LMLPHP

跟测试程序打印出来的结果一样，手工验证完毕！

观察






 1  |                    41                        |  5  |   5  |     12      





    





   0|0001100 10100010 10111110 10001001 01011100 00|     |      |              //la





   0|                                              |10001|      |              //lb





   0|                                              |     |1 1001|              //lc





or 0|                                              |     |      |‭0000 00000000‬ //sequence





------------------------------------------------------------------------------------------





   0|0001100 10100010 10111110 10001001 01011100 00|10001|1 1001|‭0000 00000000‬ //结果：910499571847892992

上面的64位我按1、41、5、5、12的位数截开了，方便观察。

纵向观察发现:

<ul style="margin-left:3em;"><li>在41位那一段，除了la一行有值，其它行（lb、lc、sequence）都是0，（我爸其它）</li>

	<li>在左起第一个5位那一段，除了lb一行有值，其它行都是0</li>

	<li>在左起第二个5位那一段，除了lc一行有值，其它行都是0</li>

	<li>按照这规律，如果sequence是0以外的其它值，12位那段也会有值的，其它行都是0</li>

</ul></li>

<li>

<p><code>横向</code>观察发现:</p>

<ul style="margin-left:3em;"><li>在la行，由于左移了5+5+12位，5、5、12这三段都补0了，所以la行除了41那段外，其它肯定都是0</li>

	<li>同理，lb、lc、sequnece行也以此类推</li>

	<li>正因为左移的操作，使四个不同的值移到了SnowFlake理论上相应的位置，然后四行做<code>位或</code>运算（只要有1结果就是1），就把4段的二进制数合并成一个二进制数。</li>

</ul></li>

结论：

所以，在这段代码中






return ((timestamp - 1288834974657) << 22) |





        (datacenterId << 17) |





        (workerId << 12) |





        sequence;

左移运算是为了将数值移动到对应的段(41、5、5，12那段因为本来就在最右，因此不用左移)。

然后对每个左移后的值(la、lb、lc、sequence)做位或运算，是为了把各个短的数据合并起来，合并成一个二进制数。

最后转换成10进制，就是最终生成的id

扩展

在理解了这个算法之后，其实还有一些扩展的事情可以做：

根据自己业务修改每个位段存储的信息。算法是通用的，可以根据自己需求适当调整每段的大小以及存储的信息。
解密id，由于id的每段都保存了特定的信息，所以拿到一个id，应该可以尝试反推出原始的每个段的信息。反推出的信息可以帮助我们分析。比如作为订单，可以知道该订单的生成日期，负责处理的数据中心等等。

原文地址：https://blog.csdn.net/Ka_Ka314/article/details/79594485