雪花算法原理以及JS精度丢失问题

简介: 雪花算法原理以及JS精度丢失问题

背景

最近项目上遇到一个改造主键生成策略的问题:需要将原Redis自增id改造成雪花算法。

一个好消息是项目用的ORM框架(Mybatis-Plus)自带雪花算法生成策略,只需在id字段上加上特定的注解。

而问题在于该策略生成id为19位数, 如:1582631966690799617,这样的id返给前端存在精度丢失问题。

当然,一个简单的办法就是将id转化为string类型,但是该业务流程长,涉及范围广,改动地方太多。

所以为了解决这样的问题,我起了改造雪花算法生成策略的心思,也将这次改造过程中的收获分享出来。

在此之前我先给大家介绍一下什么是雪花算法及原理

雪花算法

起源

雪花算法(snowflake)最早是twitter内部使用的分布式下唯一id生成算法

https://github.com/twitter-archive/snowflake

该算法具有以下特性

  • 唯一性:高并发分布式系统中生成id唯一
  • 高性能:每秒可生成百万个id
  • 有序性:生成的id是有序递增的

原理

雪花算法生成的id由64个bit组成,其中41bit填充时间戳,10bit填充工作机器id,12bit作为自增序列号。

Snowflake算法核心

假设时间戳:1666168108422(ms), 转为二进制:11000001111101111010110111011010110000110

工作机器id: 1, 转为二进制:0000000001

序列号:1,转为二进制:000000000001

以上组成二进制为:11000001111101111010110111011010110000110-0000000001-000000000001

转为十进制:6988415561826833844,一个id号就这样生成了。

接下来分别介绍每部分的内容。

时间戳

时间戳一般通过当前时间-基准时间计算得出。

基准时间一般取最近时间(系统上线时间)。

因为当前时间是以1970年为基准时间算起的,而我们只需要从系统上线时算起就可以了。

为什么要这样做呢?我们可以来算一下该算法可以支持系统运行到多少年。

首先算出41bit的最大数值:11111111111111111111111111111111111111111(二进制) -> 2199023255551(十进制)

假设我们以1970年作为基准时间,那么当时间达到2199023255551时,时间戳部分就超出41bit了。

2199023255551进行时间戳转换:2039-09-07 23:47:35

以1970年作为基准时间,该算法可运行至2039-09-07 23:47:35

假设我们以最近时间2022-10-19 00:00:00作为基准时间。

2022-10-19 00:00:00转为时间戳:1666108800000

那么系统可达到的最大时间为:1666108800000 + 2199023255551 = 3865132055551

3865132055551进行时间戳转换:2092-06-24 15:47:35

以2022年10月19日作为基准时间,该算法可运行至2092-06-24 15:47:35

工作机器id

工作机器id部分可以用来保证生成id的唯一性:分布式系统中,每个节点的工作机器id不同,那么生成的id也一定不同。

该部分占用10bit, 意味着可以部署1024个节点。

工作机器id的设置可以由开发者手动设置,比如设置在JVM启动参数中,或者配置文件里,以保证工作机器id在每个节点的唯一性。

当然,如果节点太多对于配置来说也是灾难性的,此时可以考虑使用机器的mac地址或者ip做hash运算,以此作为工作机器id,但这就可能造成hash碰撞导致工作机器id重复(碰撞概率取决于hash算法),从而会有极小的概率生成id重复。

有时我们没有那么多的节点需要部署,那么就可以缩减该部分的bit位,用于增加时间戳部分bit位延长算法的使用时间,或者增加序列号部分增加每毫秒可生成的id树。

有时我们一个节点可能会部署多个实例,那么可以将10bit拆分,取5bit作为机器id,5bit作为进程id。

当然,你也可以取其中几个bit做业务标识。

由此可见,工作机器id部分是最容易自定义的部分

序列号

序列号部分用于在同一毫秒同一机器上生成不同的id号。

该部分占12bit,意味着同一毫秒同一机器上可生成4096个序列号,1秒即为4096000个(4百万)

和另外两个部分一样,该部分同样可以调整,如果单个实例的并发量确认达不到这么高,那么同样可以缩减该部分,将bit位让予其他部分使用。

实现

知道原理之后,接下来分析一下代码应当如何实现。

时间戳

时间戳部分有41bit, 值为当前时间戳 - 基准时间,转化为JAVA代码即为

long twepoch = 1666108800000L;
long time = System.currentTimeMillis() - twepoch;

这里在高并发多线程的场景下有个小小的优化点,可以使用定时任务线程池将System.currentTimeMillis()缓存起来,其他线程从缓存中获取。

public class SystemClock {
    private final long period;
    private final AtomicLong now;
    private SystemClock(long period) {
        this.period = period;
        this.now = new AtomicLong(System.currentTimeMillis());
        scheduleClockUpdating();
    }
    private void scheduleClockUpdating() {
        ScheduledExecutorService scheduler = Executors.newSingleThreadScheduledExecutor(runnable -> {
            Thread thread = new Thread(runnable, "System Clock");
            thread.setDaemon(true);
            return thread;
        });
        scheduler.scheduleAtFixedRate(() -> now.set(System.currentTimeMillis()), period, period, TimeUnit.MILLISECONDS);
    }
    private long currentTimeMillis() {
        return now.get();
    }
}

摘自:https://gitee.com/yu120/sequence

这里直接给出原因:

  • 单线程情况下,直接调用System.currentTimeMillis()更快
  • 高并发多线程情况下,使用缓存获取时间戳更快

具体测试过程见文末参考

工作机器id

工作机器id可以在构造方法中传入,也可以取mac地址hash,方法如下

long id = 0L;
try {
  NetworkInterface network = NetworkInterface.getByInetAddress(getLocalAddress());
  if (null == network) {
    id = 1L;
  } else {
    byte[] mac = network.getHardwareAddress();
    if (null != mac) {
      id = ((0x000000FF & (long) mac[mac.length - 2]) | (0x0000FF00 & (((long) mac[mac.length - 1]) << 8))) >> 6;
      id = id & 1023;
    }
  }
} catch (Exception e) {
  log.warn(" getWorkId: " + e.getMessage());
}
return id;

序列号

序列号在每一毫秒从0开始,如果同一毫秒生成多个id,则进行自增即可。

这里有两个要注意的点:

1、当序列号达到最大值时的问题

比如序列号占12bit位,最大值为4095,当序列号在同一毫秒自增到4095时,再加1则会超出bit位,此时需要将序列号重置为0,但是重置为0就会出现同一毫秒有两个序列号为0的id,所以重置为0的同时还需要等待至下一毫秒。

2、数据倾斜问题

如果序列号从0自增,那么对于大部分同一毫秒内只会有一个请求的系统,生成的id号序列号大部分为0(偶数),此时如果以id进行分表,就会造成数据的严重倾斜。该问题可以用过序列号从(0,1)随机开始自增。

3、时间回拨问题

时间回拨时可通过等待,或者使用过去时间生成id解决。

private long getSequence(){
  long timestamp = timeGen();
  // 闰秒
  if (timestamp < lastTimestamp) {
    long offset = lastTimestamp - timestamp;
    if (offset <= 5) {
      try {
        // 休眠双倍差值后重新获取,再次校验
        wait(offset << 1);
        timestamp = timeGen();
        if (timestamp < lastTimestamp) {
          throw new RuntimeException(String.format("Clock moved backwards.  Refusing to generate id for %d milliseconds", offset));
        }
      } catch (Exception e) {
        throw new RuntimeException(e);
      }
    } else {
      throw new RuntimeException(String.format("Clock moved backwards.  Refusing to generate id for %d milliseconds", offset));
    }
  }
  if (lastTimestamp == timestamp) {
    // 相同毫秒内,序列号自增
    sequence = (sequence + 1) & sequenceMask;
    if (sequence == 0) {
      // 同一毫秒的序列数已经达到最大
      timestamp = tilNextMillis(lastTimestamp);
    }
  } else {
    // 不同毫秒内,序列号置为 0|1 随机数
    sequence = ThreadLocalRandom.current().nextLong(0, 2);
  }
  return sequence;
}
protected long tilNextMillis(long lastTimestamp) {
  long timestamp = timeGen();
  while (timestamp <= lastTimestamp) {
    timestamp = timeGen();
  }
  return timestamp;
}
protected long timeGen() {
  return System.currentTimeMillis();
}

整体代码

public class MySequence {
    private static final Logger log = LoggerFactory.getLogger(MySequence.class);
    /**
     * 时间起始标记点,作为基准,一般取系统的最近时间(一旦确定不能变动)
     */
    private final long twepoch = 1666108800000L;
    /**
     * 10位的机器id
     */
    private final long workerIdBits = 10L;
    /**
     * 12位的序列号 每毫秒内产生的id数: 2的12次方个
     */
    private final long sequenceBits = 12L;
    /**
     * 1023
     */
    protected final long maxWorkerId = ~(-1L << workerIdBits);
    /**
     * 机器id左移动位
     */
    private final long workerIdShift = sequenceBits;
    /**
     * 时间戳左移动位
     */
    private final long timestampLeftShift = sequenceBits + workerIdBits;
    /**
     * 4095
     */
    private final long sequenceMask = ~(-1L << sequenceBits);
    /**
     * 所属机器id
     */
    private final long workerId;
    /**
     * 并发控制序列
     */
    private long sequence = 0L;
    /**
     * 上次生产 ID 时间戳
     */
    private long lastTimestamp = -1L;
    public MySequence() {
        this.workerId = getWorkerId();
    }
    /**
     * 有参构造器
     *
     * @param workerId     工作机器 ID
     */
    public MySequence(long workerId) {
        if (workerId > maxWorkerId || workerId < 0) {
            throw new IllegalArgumentException(String.format("Worker Id can't be greater than %d or less than 0", maxWorkerId));
        }
        this.workerId = workerId;
    }
    /**
     * 基于网卡MAC地址计算余数作为机器id
     */
    protected long getWorkerId() {
        long id = 0L;
        try {
            NetworkInterface network = NetworkInterface.getByInetAddress(InetAddress.getLocalHost());
            if (null == network) {
                id = 1L;
            } else {
                byte[] mac = network.getHardwareAddress();
                if (null != mac) {
                    id = ((0x000000FF & (long) mac[mac.length - 2]) | (0x0000FF00 & (((long) mac[mac.length - 1]) << 8))) >> 6;
                    id = id % (maxWorkerId + 1);
                }
            }
        } catch (Exception e) {
            log.warn("getWorkerId: " + e.getMessage());
        }
        return id;
    }
    /**
     * 获取下一个 ID
     *
     */
    public synchronized long nextId() {
        long timestamp = timeGen();
        // 闰秒
        if (timestamp < lastTimestamp) {
            long offset = lastTimestamp - timestamp;
            if (offset <= 5) {
                try {
                    // 休眠双倍差值后重新获取,再次校验
                    wait(offset << 1);
                    timestamp = timeGen();
                    if (timestamp < lastTimestamp) {
                        throw new RuntimeException(String.format("Clock moved backwards.  Refusing to generate id for %d milliseconds", offset));
                    }
                } catch (Exception e) {
                    throw new RuntimeException(e);
                }
            } else {
                throw new RuntimeException(String.format("Clock moved backwards.  Refusing to generate id for %d milliseconds", offset));
            }
        }
        if (lastTimestamp == timestamp) {
            // 相同毫秒内,序列号自增
            sequence = (sequence + 1) & sequenceMask;
            if (sequence == 0) {
                // 同一毫秒的序列数已经达到最大
                timestamp = tilNextMillis(lastTimestamp);
            }
        } else {
            // 不同毫秒内,序列号置为 1 - 3 随机数
            sequence = ThreadLocalRandom.current().nextLong(1, 3);
        }
        lastTimestamp = timestamp;
        // 时间戳部分 | 机器标识部分 | 序列号部分
        return ((timestamp - twepoch) << timestampLeftShift)
                | (workerId << workerIdShift)
                | sequence;
    }
    protected long tilNextMillis(long lastTimestamp) {
        long timestamp = timeGen();
        while (timestamp <= lastTimestamp) {
            timestamp = timeGen();
        }
        return timestamp;
    }
    protected long timeGen() {
        return System.currentTimeMillis();
    }
}

改造

要解决JS精度丢失的问题,就要清楚原因是什么。

这是因为JS的number类型最大精度为2^53,即9007199254740992

转为二进制:100000000000000000000000000000000000000000000000000000 (54位)

那么我们只要让生成的id不超过9007199254740991即可

转为二进制:11111111111111111111111111111111111111111111111111111(53位)

可对此53位做以下分配

(1)时间戳(41位)-工作机器id(6位)-序列号(6位):最大支持64个workerId, 每毫秒生成64个序列号

(2)时间戳(39位)-工作机器id(4位)-序列号(10位):最大支持16个workerId, 每毫秒生成1024个序列号

此两种情况分别为两个极端,下面分别计算此两种情况的使用时长

第一种

41位时间戳的最大值为:2199023255551

取当前时间戳:1666108800000

计算:1666108800000 + 2199023255551 = 3865132055551(2092-06-24 15:47:35)

系统运行至2092年达到最大值

第二种

39位时间戳的最大值为:549755813887

取当前时间戳:1666108800000

计算:1666108800000 + 549755813887 = 2215864613887(2040-03-20 21:56:53)

系统运行至2040年达到最大值

使用

于是结合雪花算法原理,我对需要改造的项目从并发量(序列号)和实例数(工作机器id)方面做了调研。

从调研结果进行了bit位分配。

并且基于现有的id最大值,计算了基准数,让修改后的id生成策略必然大于以前的id。

最后该策略已上线运行,达到了预期结果。

小结

雪花算法的特点:唯一性,高性能,有序性。

雪花算法的三个部分:时间戳、工作机器id、序列号。

JS最大精度为2^53, 生成的id不超过该数即可。

使用时可根据实际业务情况对三个部分的bit位进行调整。

参考:

分布式高效ID生产黑科技: https://gitee.com/yu120/sequence

System.currentTimeMillis的性能真有如此不堪吗?: https://juejin.cn/post/6887743425437925383

目录
相关文章
|
3天前
|
机器学习/深度学习 算法 搜索推荐
【机器学习】机器学习的基本概念、算法的工作原理、实际应用案例
机器学习是人工智能的一个分支,它使计算机能够在没有明确编程的情况下从数据中学习并改进其性能。机器学习的目标是让计算机自动学习模式和规律,从而能够对未知数据做出预测或决策。
8 2
|
4天前
|
机器学习/深度学习 算法 数据可视化
决策树算法介绍:原理与案例实现
决策树算法介绍:原理与案例实现
|
11天前
|
算法
PID算法原理分析及优化
今天为大家介绍一下经典控制算法之一的PID控制方法。PID控制方法从提出至今已有百余年历史,其由于结构简单、易于实现、鲁棒性好、可靠性高等特点,在机电、冶金、机械、化工等行业中应用广泛。 在大学期间,参加的智能汽车竞赛中就使用到了PID经典控制算法,对于智能小车的调试更加的方便。 一、PID原理 PID控制方法将偏差的比例(proportional)、积分(integral)、微分(derivative)通过线性组合构成控制量,对被控对象进行控制。 常规的PID控制系统如图所示: 系统的输入r(t)为控制量的目标输出值,输出y(t)为控制量的实际输出值,e(t)为输出量目标值与实际值
26 1
|
14天前
|
机器学习/深度学习 运维 算法
深入探索机器学习中的支持向量机(SVM)算法:原理、应用与Python代码示例全面解析
【8月更文挑战第6天】在机器学习领域,支持向量机(SVM)犹如璀璨明珠。它是一种强大的监督学习算法,在分类、回归及异常检测中表现出色。SVM通过在高维空间寻找最大间隔超平面来分隔不同类别的数据,提升模型泛化能力。为处理非线性问题,引入了核函数将数据映射到高维空间。SVM在文本分类、图像识别等多个领域有广泛应用,展现出高度灵活性和适应性。
68 2
|
8天前
|
存储 JavaScript 前端开发
JavaScript——对闭包的看法,为什么要用闭包?说一下闭包原理以及应用场景
JavaScript——对闭包的看法,为什么要用闭包?说一下闭包原理以及应用场景
18 0
|
15天前
|
机器学习/深度学习 算法 数据挖掘
【数据挖掘】PCA 主成分分析算法过程及原理讲解
主成分分析(PCA)的原理和算法过程。
28 0
|
1月前
|
算法 Java
Java面试题:解释垃圾回收中的标记-清除、复制、标记-压缩算法的工作原理
Java面试题:解释垃圾回收中的标记-清除、复制、标记-压缩算法的工作原理
33 1
|
1月前
|
存储 传感器 算法
「AIGC算法」近邻算法原理详解
**K近邻(KNN)算法概述:** KNN是一种基于实例的分类算法,依赖于训练数据的相似性。算法选择最近的K个邻居来决定新样本的类别,K值、距离度量和特征归一化影响性能。适用于非线性数据,但计算复杂度高,适合小数据集。应用广泛,如推荐系统、医疗诊断和图像识别。通过scikit-learn库可实现分类,代码示例展示了数据生成、模型训练和决策边界的可视化。
18 0
「AIGC算法」近邻算法原理详解
|
1月前
|
算法 JavaScript
JS 【详解】树的遍历(含深度优先遍历和广度优先遍历的算法实现)
JS 【详解】树的遍历(含深度优先遍历和广度优先遍历的算法实现)
29 0
JS 【详解】树的遍历(含深度优先遍历和广度优先遍历的算法实现)
|
30天前
|
算法 Java 调度
高并发架构设计三大利器:缓存、限流和降级问题之使用Java代码实现令牌桶算法问题如何解决
高并发架构设计三大利器:缓存、限流和降级问题之使用Java代码实现令牌桶算法问题如何解决

热门文章

最新文章