Skip to content
体验新版
项目
组织
正在加载...
登录
切换导航
打开侧边栏
yitter
雪花ID全家桶(SnowFlake IdGenerator)
提交
baaf1a49
雪
雪花ID全家桶(SnowFlake IdGenerator)
项目概览
yitter
/
雪花ID全家桶(SnowFlake IdGenerator)
9 个月 前同步成功
通知
201
Star
3
Fork
1
代码
文件
提交
分支
Tags
贡献者
分支图
Diff
Issue
0
列表
看板
标记
里程碑
合并请求
0
DevOps
流水线
流水线任务
计划
Wiki
0
Wiki
分析
仓库
DevOps
项目成员
Pages
雪
雪花ID全家桶(SnowFlake IdGenerator)
项目概览
项目概览
详情
发布
仓库
仓库
文件
提交
分支
标签
贡献者
分支图
比较
Issue
0
Issue
0
列表
看板
标记
里程碑
合并请求
0
合并请求
0
Pages
DevOps
DevOps
流水线
流水线任务
计划
分析
分析
仓库分析
DevOps
Wiki
0
Wiki
成员
成员
收起侧边栏
关闭侧边栏
动态
分支图
创建新Issue
流水线任务
提交
Issue看板
前往新版Gitcode,体验更适合开发者的 AI 搜索 >>
提交
baaf1a49
编写于
10月 17, 2022
作者:
yitter
浏览文件
操作
浏览文件
下载
电子邮件补丁
差异文件
auto commit
上级
20c6d38f
变更
4
隐藏空白更改
内联
并排
Showing
4 changed file
with
385 addition
and
385 deletion
+385
-385
C#.NET/README.md
C#.NET/README.md
+37
-37
Delphi/source/.gitignore
Delphi/source/.gitignore
+5
-5
Java/README.md
Java/README.md
+39
-39
README.md
README.md
+304
-304
未找到文件。
C#.NET/README.md
浏览文件 @
baaf1a49
# ❄ idgenerator-C#
## 运行环境
.NET Standard 2.0+
(支持:.net framework4.6.1+/.net core 2.0+/.net5/.net6+/mono5.4+/Unity 2018+/Xamarin/)
## 引用 nuget 包
```
<PackageReference Include="Yitter.IdGenerator" Version="1.0.*" />
```
## 调用示例(C#)
第1步,
**全局**
初始化(应用程序启动时执行一次):
```
// 创建 IdGeneratorOptions 对象,可在构造函数中输入 WorkerId:
var options = new IdGeneratorOptions(Your_Unique_Worker_Id);
// options.WorkerIdBitLength = 10; // 默认值6,限定 WorkerId 最大值为2^6-1,即默认最多支持64个节点。
// options.SeqBitLength = 6; // 默认值6,限制每毫秒生成的ID个数。若生成速度超过5万个/秒,建议加大 SeqBitLength 到 10。
// options.BaseTime = Your_Base_Time; // 如果要兼容老系统的雪花算法,此处应设置为老系统的BaseTime。
// ...... 其它参数参考 IdGeneratorOptions 定义。
// 保存参数(务必调用,否则参数设置不生效):
YitIdHelper.SetIdGenerator(options);
// 以上过程只需全局一次,且应在生成ID之前完成。
```
第2步,生成ID:
```
// 初始化后,在任何需要生成ID的地方,调用以下方法:
var newId = YitIdHelper.NextId();
```
# ❄ idgenerator-C#
## 运行环境
.NET Standard 2.0+
(支持:.net framework4.6.1+/.net core 2.0+/.net5/.net6+/mono5.4+/Unity 2018+/Xamarin/)
## 引用 nuget 包
```
<PackageReference Include="Yitter.IdGenerator" Version="1.0.*" />
```
## 调用示例(C#)
第1步,
**全局**
初始化(应用程序启动时执行一次):
```
// 创建 IdGeneratorOptions 对象,可在构造函数中输入 WorkerId:
var options = new IdGeneratorOptions(Your_Unique_Worker_Id);
// options.WorkerIdBitLength = 10; // 默认值6,限定 WorkerId 最大值为2^6-1,即默认最多支持64个节点。
// options.SeqBitLength = 6; // 默认值6,限制每毫秒生成的ID个数。若生成速度超过5万个/秒,建议加大 SeqBitLength 到 10。
// options.BaseTime = Your_Base_Time; // 如果要兼容老系统的雪花算法,此处应设置为老系统的BaseTime。
// ...... 其它参数参考 IdGeneratorOptions 定义。
// 保存参数(务必调用,否则参数设置不生效):
YitIdHelper.SetIdGenerator(options);
// 以上过程只需全局一次,且应在生成ID之前完成。
```
第2步,生成ID:
```
// 初始化后,在任何需要生成ID的地方,调用以下方法:
var newId = YitIdHelper.NextId();
```
Delphi/source/.gitignore
浏览文件 @
baaf1a49
Win32/
*.exe
*.dproj.local
*.identcache
__*
Win32/
*.exe
*.dproj.local
*.identcache
__*
Java/README.md
浏览文件 @
baaf1a49
# ❄ idgenerator-Java
## 运行环境
JDK 1.8+
## 引用 maven 包
```
<dependency>
<groupId>com.github.yitter</groupId>
<artifactId>yitter-idgenerator</artifactId>
<version>1.0.6</version>
</dependency>
```
## 调用示例(Java)
第1步,
**全局**
初始化(应用程序启动时执行一次):
```
// 创建 IdGeneratorOptions 对象,可在构造函数中输入 WorkerId:
IdGeneratorOptions options = new IdGeneratorOptions(Your_Unique_Worker_Id);
// options.WorkerIdBitLength = 10; // 默认值6,限定 WorkerId 最大值为2^6-1,即默认最多支持64个节点。
// options.SeqBitLength = 6; // 默认值6,限制每毫秒生成的ID个数。若生成速度超过5万个/秒,建议加大 SeqBitLength 到 10。
// options.BaseTime = Your_Base_Time; // 如果要兼容老系统的雪花算法,此处应设置为老系统的BaseTime。
// ...... 其它参数参考 IdGeneratorOptions 定义。
// 保存参数(务必调用,否则参数设置不生效):
YitIdHelper.SetIdGenerator(options);
// 以上过程只需全局一次,且应在生成ID之前完成。
```
第2步,生成ID:
```
// 初始化后,在任何需要生成ID的地方,调用以下方法:
long newId = YitIdHelper.nextId();
```
# ❄ idgenerator-Java
## 运行环境
JDK 1.8+
## 引用 maven 包
```
<dependency>
<groupId>com.github.yitter</groupId>
<artifactId>yitter-idgenerator</artifactId>
<version>1.0.6</version>
</dependency>
```
## 调用示例(Java)
第1步,
**全局**
初始化(应用程序启动时执行一次):
```
// 创建 IdGeneratorOptions 对象,可在构造函数中输入 WorkerId:
IdGeneratorOptions options = new IdGeneratorOptions(Your_Unique_Worker_Id);
// options.WorkerIdBitLength = 10; // 默认值6,限定 WorkerId 最大值为2^6-1,即默认最多支持64个节点。
// options.SeqBitLength = 6; // 默认值6,限制每毫秒生成的ID个数。若生成速度超过5万个/秒,建议加大 SeqBitLength 到 10。
// options.BaseTime = Your_Base_Time; // 如果要兼容老系统的雪花算法,此处应设置为老系统的BaseTime。
// ...... 其它参数参考 IdGeneratorOptions 定义。
// 保存参数(务必调用,否则参数设置不生效):
YitIdHelper.SetIdGenerator(options);
// 以上过程只需全局一次,且应在生成ID之前完成。
```
第2步,生成ID:
```
// 初始化后,在任何需要生成ID的地方,调用以下方法:
long newId = YitIdHelper.nextId();
```
README.md
浏览文件 @
baaf1a49
# 雪花算法中非常好用的数字ID生成器
## 💎 最佳实践(置顶)
针对大家在测试过程中,经常出现的性能问题,以下给出3组最佳实践配置:
❄ 如果生成ID速度不超过5W/s,不用修改任何配置参数
❄ 如果生成ID速度超过5W/s,低于50W,推荐修改:SeqBitLength=10
❄ 如果生成ID速度超过50W/s,接近500W,推荐修改:SeqBitLength=12
总之,增加 SeqBitLength 会让性能更高,但生成的 ID 也会更长。
## 💎 算法介绍
❄ 这是优化的雪花算法(雪花漂移),它生成的ID更短、速度更快。
❄ 支持 k8s 等容器环境自动扩容(自动注册 WorkerId),可在单机或分布式环境生成数字型唯一ID。
❄ 原生支持 C#/Java/Go/C/Rust/Python/Node.js/PHP(C扩展)/SQL/ 等语言,并提供多线程安全调用动态库(FFI)。
❄ 兼容所有雪花算法(号段模式或经典模式,大厂或小厂),将来你可做任意的升级切换。
❄ 这是计算机历史上最全面的雪花ID生成工具。【截至2022年8月】
#### 需求来源
💧 作为架构设计的你,想要解决数据库主键唯一的问题,特别是在分布式系统多数据库中。
💧 你希望数据表主键用最少的存储空间,索引速度更快,Select、Insert 和 Update 更迅速。
💧 你要考虑在分库分表(合库合表)时,主键值可直接使用,并能反映业务时序。
💧 如果这样的主键值太长,超过前端 js Number 类型最大值,须把 Long 型转换为 String 型,你会觉得有点沮丧。
💧 尽管 Guid 能自增,但占用空间大,索引速度慢,你不想用它。
💧 应用实例可能超过50个,每个并发请求可达10W/s。
💧 要在容器环境部署应用,支持水平复制、自动扩容。
💧 不想依赖 redis 的自增操作获得连续的主键ID,因为连续的ID存在业务数据安全风险。
💧 你希望系统运行 100 年以上。
#### 传统算法问题
❌ 生成的ID太长。
❌ 瞬时并发量不够。
❌ 不能解决时间回拨问题。
❌ 不支持后补生成前序ID。
❌ 可能依赖外部存储系统。
#### 新算法特点
✔ 整形数字,随时间单调递增(不一定连续),长度更短,用50年都不会超过 js Number类型最大值。(默认配置)
✔ 速度更快,是传统雪花算法的2-5倍,0.1秒可生成50万个(基于8代低压i7)。
✔ 支持时间回拨处理。比如服务器时间回拨1秒,本算法能自动适应生成临界时间的唯一ID。
✔ 支持手工插入新ID。当业务需要在历史时间生成新ID时,用本算法的预留位能生成5000个每秒。
✔ 不依赖任何外部缓存和数据库。(k8s环境下自动注册 WorkerId 的动态库依赖 redis)
✔ 基础功能,开箱即用,无需配置文件、数据库连接等。
#### 性能数据
(参数:10位自增序列,1000次漂移最大值)
| 连续请求量 | 5K | 5W | 50W |
| ---- | ---- | ---- | ---- |
| 传统雪花算法 | 0.0045s | 0.053s | 0.556s |
| 雪花漂移算法 | 0.0015s | 0.012s | 0.113s |
💍 极致性能:500W/s~3000W/s。(所有测试数据均基于8代低压i7计算)
#### 如何处理时间回拨
🔶 当发生系统时间回拨时,算法采用过去时序的预留序数生成新的ID。
🔶 回拨生成的ID序号,默认靠前,也可以调整为靠后。
🔶 允许时间回拨至本算法预设基数(参数可调)。
## 💎 ID组成说明
*
本算法生成的ID由3部分组成(沿用雪花算法定义):
*
+-------------------------+--------------+----------+
*
| 1.相对基础时间的时间差 | 2.WorkerId | 3.序列数 |
*
+-------------------------+--------------+----------+
*
*
第1部分,时间差,是生成ID时的系统时间减去 BaseTime 的总时间差(毫秒单位)。
*
第2部分,WorkerId,是区分不同机器或不同应用的唯一ID,最大值由 WorkerIdBitLength(默认6)限定。
*
第3部分,序列数,是每毫秒下的序列数,由参数中的 SeqBitLength(默认6)限定。
#### ID示例
🟣 本算法生成的 ID ,是整数(占用空间最多8字节),以下是基于默认配置生成的ID:
```
129053495681099 (运行1年,长度:15)
387750301904971 (运行3年,长度:15)
646093214093387 (运行5年,长度:15)
1292658282840139 (运行10年,长度:16)
9007199254740992 (运行70年,达到 js Number 最大值,长度:16)
165399880288699493 (运行1000年,等同普通雪花算法运行1年,长度:18)
```
🟣 本算法生成的 ID 值,是 js Number 最大值的 1%-10%,是普通雪花算法值的千分之一,而生成速度却超过普通雪花算法。
🟣 js Number 类型最大数值:9007199254740992,本算法在保持并发性能(5W+/0.01s)和最大64个 WorkerId(6bit)的同时,能用70年才到 js Number Max 值。
### 长度估算
```
💍 每增加 1位 WorkerIdBitLength 或 SeqBitLength,生成的ID数字值将会乘以2(基础长度可参考前一节“ID示例”),反之则除以2。
```
### 能用多久
能用多久的解释,是指生成的ID数字,何时能增长到超过 long(有符号64位,8字节)最大值。
🔵 在默认配置下,ID可用 71000 年不重复。
🔵 在支持 1024 个工作节点时,ID可用 4480 年不重复。
🔵 在支持 4096 个工作节点时,ID可用 1120 年不重复。
## 💎 参数设置
❄
***WorkerIdBitLength**
*,机器码位长,决定 WorkerId 的最大值,**默认值6*
*
,取值范围 [1, 19],实际上有些语言采用 无符号 ushort (uint16) 类型接收该参数,所以最大值是16,如果是采用 有符号 short (int16),则最大值为15。
❄
**WorkerId**
,机器码,
**最重要参数**
,无默认值,必须
**全局唯一**
(或相同 DataCenterId 内唯一),必须
**程序设定**
,缺省条件(WorkerIdBitLength取默认值)时最大值63,理论最大值 2^WorkerIdBitLength-1(不同实现语言可能会限定在 65535 或 32767,原理同 WorkerIdBitLength 规则)。不同机器或不同应用实例
**不能相同**
,你可通过应用程序配置该值,也可通过调用外部服务获取值。针对自动注册WorkerId需求,本算法提供默认实现:通过 redis 自动注册 WorkerId 的动态库,详见“Tools
\A
utoRegisterWorkerId”。
**特别提示**
:如果一台服务器部署多个独立服务,需要为每个服务指定不同的 WorkerId。
❄
***SeqBitLength**
*,序列数位长,**默认值6*
*
,取值范围 [3, 21](建议不小于4),决定每毫秒基础生成的ID个数。如果每秒请求数不超过5W,保持默认值6即可;如果超过5W,不超过50W,建议赋值10或更大,以此类推。规则要求:WorkerIdBitLength + SeqBitLength 不超过 22。
❄
***MinSeqNumber**
*
,最小序列数,默认值5,取值范围 [5, MaxSeqNumber],每毫秒的前5个序列数对应编号0-4是保留位,其中1-4是时间回拨相应预留位,0是手工新值预留位。
❄
***MaxSeqNumber**
*
,最大序列数,设置范围 [MinSeqNumber, 2^SeqBitLength-1],默认值0,真实最大序列数取最大值(2^SeqBitLength-1),不为0时,取其为真实最大序列数,一般无需设置,除非多机共享WorkerId分段生成ID(此时还要正确设置最小序列数)。
❄
***BaseTime**
*
,基础时间(也称:基点时间、原点时间、纪元时间),有默认值(2020年),是毫秒时间戳(是整数,.NET是DatetTime类型),作用是:用生成ID时的系统时间与基础时间的差值(毫秒数)作为生成ID的时间戳。基础时间一般无需设置,如果觉得默认值太老,你可以重新设置,不过要注意,这个值以后最好不变。
第二版计划增加参数:
❄
***DataCenterId**
*
,数据中心ID(机房ID,默认0),请确保全局唯一。
❄
***DataCenterIdBitLength**
*
,数据中心ID长度(默认0)。
❄
***TimestampType**
*
,时间戳类型(0-毫秒,1-秒),默认0。
#### 常规集成
1️⃣ 用单例模式调用。本算法采用单线程生成ID,多方调用会被互斥。在同一应用实例内,调用者使用多线程(或并行)方式调用本算法,不会增加ID产出速度。
2️⃣ 指定唯一的 WorkerId。必须由外部系统确保 WorkerId 的全局唯一性,并赋值给本算法入口参数。
3️⃣ 单机多实例部署时使用不同 WorkerId。并非所有实现都支持跨进程的并发唯一,保险起见,在同一主机上部署多应用实例时,请确保各 WorkerId 唯一。
4️⃣ 异常处理。算法会抛出所有 Exception,外部系统应 catch 异常并做好应对处理,以免引发更大的系统崩溃。
5️⃣ 认真理解 IdGeneratorOptions 的定义,这对集成和使用本算法有帮助。
6️⃣ 使用雪花漂移算法。虽然代码里包含了传统雪花算法的定义,并且你可以在入口处指定(Method=2)来启用传统算法,但仍建议你使用雪花漂移算法(Method=1,默认的),毕竟它具有更好的伸缩力和更高的性能。
7️⃣ 不要修改核心算法。本算法内部参数较多,逻辑较为复杂,在你尚未掌握核心逻辑时,请勿修改核心代码且用于生产环境,除非通过大量细致、科学的测试验证。
8️⃣ 应用域内配置策略相同。当系统运行一段时间后,项目需要从程序指定 WorkerId 转到自动注册 WorkerId 时,请确保同一应用域内所有在用实例采用一致的配置策略,这不仅仅针对 WorkerId,也包含其他配置参数。
9️⃣ 管理好服务器时间。雪花算法依赖系统时间,不要手工大幅度回调操作系统时间。如果一定要调整,切记:确保服务再次启动时的系统时间大于最后一次关闭时的时间。(注:世界级或网络级的时间同步或回拨,引起的系统时间小幅度变化,对本算法没影响)
#### 配置变更
配置变更是指系统运行一段时间后,再调整运行参数(IdGeneratorOptions 对象属性),请注意:
🔴 1.首要原则是:BaseTime
**只能更旧**
(距现在更远),让生成的ID值较历史最大值更大,确保没有时间重叠区,不产生重复ID。[
**不推荐**
在系统运行之后调整 BaseTime]
🔴 2.任何时候增加 WorkerIdBitLength 或 SeqBitLength,都是允许的,但应慎用 “减小”操作,因为这可能导致在未来某天生成的 ID 与旧配置时相同。[允许在系统运行之后
**增加**
任何一个 xxxBitLength 值]
🔴 3.如果必须减小 WorkerIdBitLength 或 SeqBitLength 其中的一项,一定要满足条件:新的两个 xxxBitLength 之和要大于旧值之和。[
**不推荐**
在运行之后缩小任何一个 BitLength 值]
🔴 4.上述3条规则,并未在本算法内做逻辑控制,使用者应在确认新配置符合要求后,再实施配置变更。
## 自动注册WorkerId
🔍 唯一ID生成器,依赖WorkerId,当业务服务需要水平无差别复制(自动扩容)时,这就要求能自动注册全局唯一WorkerId,然后才能生产唯一ID。
🔍 本算法提供开源动态库(go语言实现),能在容器 k8s 等容器环境下,通过 redis 自动注册 WorkerId。
🔍 通过redis注册WorkerId,并非唯一方法。你还可以开发中心化的配置服务,各端点服务启动时,通过中心服务获取唯一 WorkerId。
🔍 当然,如果你的服务无需自动扩容,那就不必自动注册WorkerId,而是为它们分别设置全局唯一值。
🔍 方法还有很多,例如:开发中心化的ID生成服务,由它为各端点服务(单个或批量)生成可用ID。
#### 自动注册流程图
图片链接:https://github.com/yitter/IdGenerator/blob/master/Tools/AutoRegisterWorkerId/regprocess.jpg
源码路径:/Go/source/regworkerid/reghelper.go
#### 动态库下载
下载链接1:https://github.com/yitter/IdGenerator/releases/download/v1.3.1/regworkerid_lib_v1.3.1.zip
#### 动态库接口定义
```
// 注册一个 WorkerId,会先注销所有本机已注册的记录
// ip: redis 服务器地址
// port: redis 端口
// password: redis 访问密码,可为空字符串“”
// maxWorkerId: 最大 WorkerId
extern GoInt32 RegisterOne(char* ip, GoInt32 port, char* password, GoInt32 maxWorkerId);
// 注销本机已注册的 WorkerId
extern void UnRegister();
// 检查本地WorkerId是否有效(0-有效,其它-无效)
extern GoInt32 Validate(GoInt32 workerId);
```
## 已实现的语言
| 语言 | github |
| ---- | ---- |
| 🌲 C# |
[
查看示例
][
1
]
|
| 🌲 Java |
[
查看示例
][
2
]
|
| 🌲 Go|
[
查看示例
][
3
]
|
| 🌲 Rust |
[
查看示例
][
4
]
|
| 🌲 Python |
[
查看示例
][
10
]
|
| 🌲 C |
[
查看示例
][
5
]
|
| 🌲 C (PHP扩展) |
[
查看示例
][
7
]
|
| 🌲 Delphi (Pascal) |
[
查看示例
][
6
]
|
| 🌲 JavaScript |
[
查看示例
][
8
]
|
| 🌲 TypeScript |
[
查看示例
][
9
]
|
| 🌲 V |
[
查看示例
][
6
]
|
| 🌲 D |
[
查看示例
][
72
]
|
## 技术支持
开源地址:https://github.com/yitter/IdGenerator
QQ群:646049993
[
comment
]:
<>
( ## 为什么用雪花ID?)
[
comment
]:
<>
( ❄ 因为大厂也在用,推特、百度、美团、滴滴等等。)
[
comment
]:
<>
( ❄ 雪花ID是走向分布式架构的垫脚石,如果只会Guid和数据库自增,怎敢说会分布式系统架构。)
[
comment
]:
<>
( ❄ 雪花ID适合小项目、大项目、超级大项目。)
[
comment
]:
<>
( ## 为什么不用大厂的?)
[
comment
]:
<>
( ❄ 首先,大厂们不但自己用雪花ID,而且还开源:[百度][81] | [美团][82] | [滴滴][83] | [Sony][84] | [雪花ID鼻祖-推特][80]。)
[
comment
]:
<>
( ❄ 然而,大厂的雪花算法分为“经典算法”和“号段算法”两种,其中“号段算法”依赖网络或外部存储系统,不适合“非大厂”,且存在无法反应业务时序的缺点。)
[
comment
]:
<>
( ❄ 至于其“经典算法”,在“ID长度和生成性能”方面,未做过优化,而这正式本算法——雪花漂移算法的核心所在。)
[
1
]:
https://github.com/yitter/idgenerator/tree/master/C%23.NET
[
2
]:
https://github.com/yitter/idgenerator/tree/master/Java
[
3
]:
https://github.com/yitter/idgenerator/tree/master/Go
[
4
]:
https://github.com/yitter/idgenerator/tree/master/Rust
[
5
]:
https://github.com/yitter/idgenerator/tree/master/C
[
6
]:
https://github.com/yitter/idgenerator/tree/master/Delphi
[
7
]:
https://github.com/yitter/idgenerator/tree/master/PHP
[
8
]:
https://github.com/yitter/IdGenerator/tree/master/JavaScript
[
9
]:
https://github.com/yitter/IdGenerator/tree/master/TypeScript
[
10
]:
https://github.com/yitter/IdGenerator/tree/master/Python
[
11
]:
https://github.com/yitter/idgenerator/tree/master/C%23.NET
[
21
]:
https://github.com/yitter/idgenerator/tree/master/Java
[
31
]:
https://github.com/yitter/idgenerator/tree/master/Go
[
41
]:
https://github.com/yitter/idgenerator/tree/master/Rust
[
51
]:
https://github.com/yitter/idgenerator/tree/master/C
[
61
]:
https://github.com/yitter/idgenerator/tree/master/Delphi
[
71
]:
https://github.com/yitter/idgenerator/tree/master/PHP
[
72
]:
https://github.com/yitter/idgenerator/tree/master/zzz-OtherLanguages/D
[
73
]:
https://github.com/yitter/idgenerator/tree/master/zzz-OtherLanguages/D
[
80
]:
https://github.com/twitter-archive/snowflake
[
81
]:
https://github.com/baidu/uid-generator
[
82
]:
https://github.com/Meituan-Dianping/Leaf
[
83
]:
https://github.com/didi/tinyid
[
84
]:
https://github.com/sony/sonyflake
# 雪花算法中非常好用的数字ID生成器
## 💎 最佳实践(置顶)
针对大家在测试过程中,经常出现的性能问题,以下给出3组最佳实践配置:
❄ 如果生成ID速度不超过5W/s,不用修改任何配置参数
❄ 如果生成ID速度超过5W/s,低于50W,推荐修改:SeqBitLength=10
❄ 如果生成ID速度超过50W/s,接近500W,推荐修改:SeqBitLength=12
总之,增加 SeqBitLength 会让性能更高,但生成的 ID 也会更长。
## 💎 算法介绍
❄ 这是优化的雪花算法(雪花漂移),它生成的ID更短、速度更快。
❄ 支持 k8s 等容器环境自动扩容(自动注册 WorkerId),可在单机或分布式环境生成数字型唯一ID。
❄ 原生支持 C#/Java/Go/C/Rust/Python/Node.js/PHP(C扩展)/SQL/ 等语言,并提供多线程安全调用动态库(FFI)。
❄ 兼容所有雪花算法(号段模式或经典模式,大厂或小厂),将来你可做任意的升级切换。
❄ 这是计算机历史上最全面的雪花ID生成工具。【截至2022年8月】
#### 需求来源
💧 作为架构设计的你,想要解决数据库主键唯一的问题,特别是在分布式系统多数据库中。
💧 你希望数据表主键用最少的存储空间,索引速度更快,Select、Insert 和 Update 更迅速。
💧 你要考虑在分库分表(合库合表)时,主键值可直接使用,并能反映业务时序。
💧 如果这样的主键值太长,超过前端 js Number 类型最大值,须把 Long 型转换为 String 型,你会觉得有点沮丧。
💧 尽管 Guid 能自增,但占用空间大,索引速度慢,你不想用它。
💧 应用实例可能超过50个,每个并发请求可达10W/s。
💧 要在容器环境部署应用,支持水平复制、自动扩容。
💧 不想依赖 redis 的自增操作获得连续的主键ID,因为连续的ID存在业务数据安全风险。
💧 你希望系统运行 100 年以上。
#### 传统算法问题
❌ 生成的ID太长。
❌ 瞬时并发量不够。
❌ 不能解决时间回拨问题。
❌ 不支持后补生成前序ID。
❌ 可能依赖外部存储系统。
#### 新算法特点
✔ 整形数字,随时间单调递增(不一定连续),长度更短,用50年都不会超过 js Number类型最大值。(默认配置)
✔ 速度更快,是传统雪花算法的2-5倍,0.1秒可生成50万个(基于8代低压i7)。
✔ 支持时间回拨处理。比如服务器时间回拨1秒,本算法能自动适应生成临界时间的唯一ID。
✔ 支持手工插入新ID。当业务需要在历史时间生成新ID时,用本算法的预留位能生成5000个每秒。
✔ 不依赖任何外部缓存和数据库。(k8s环境下自动注册 WorkerId 的动态库依赖 redis)
✔ 基础功能,开箱即用,无需配置文件、数据库连接等。
#### 性能数据
(参数:10位自增序列,1000次漂移最大值)
| 连续请求量 | 5K | 5W | 50W |
| ---- | ---- | ---- | ---- |
| 传统雪花算法 | 0.0045s | 0.053s | 0.556s |
| 雪花漂移算法 | 0.0015s | 0.012s | 0.113s |
💍 极致性能:500W/s~3000W/s。(所有测试数据均基于8代低压i7计算)
#### 如何处理时间回拨
🔶 当发生系统时间回拨时,算法采用过去时序的预留序数生成新的ID。
🔶 回拨生成的ID序号,默认靠前,也可以调整为靠后。
🔶 允许时间回拨至本算法预设基数(参数可调)。
## 💎 ID组成说明
*
本算法生成的ID由3部分组成(沿用雪花算法定义):
*
+-------------------------+--------------+----------+
*
| 1.相对基础时间的时间差 | 2.WorkerId | 3.序列数 |
*
+-------------------------+--------------+----------+
*
*
第1部分,时间差,是生成ID时的系统时间减去 BaseTime 的总时间差(毫秒单位)。
*
第2部分,WorkerId,是区分不同机器或不同应用的唯一ID,最大值由 WorkerIdBitLength(默认6)限定。
*
第3部分,序列数,是每毫秒下的序列数,由参数中的 SeqBitLength(默认6)限定。
#### ID示例
🟣 本算法生成的 ID ,是整数(占用空间最多8字节),以下是基于默认配置生成的ID:
```
129053495681099 (运行1年,长度:15)
387750301904971 (运行3年,长度:15)
646093214093387 (运行5年,长度:15)
1292658282840139 (运行10年,长度:16)
9007199254740992 (运行70年,达到 js Number 最大值,长度:16)
165399880288699493 (运行1000年,等同普通雪花算法运行1年,长度:18)
```
🟣 本算法生成的 ID 值,是 js Number 最大值的 1%-10%,是普通雪花算法值的千分之一,而生成速度却超过普通雪花算法。
🟣 js Number 类型最大数值:9007199254740992,本算法在保持并发性能(5W+/0.01s)和最大64个 WorkerId(6bit)的同时,能用70年才到 js Number Max 值。
### 长度估算
```
💍 每增加 1位 WorkerIdBitLength 或 SeqBitLength,生成的ID数字值将会乘以2(基础长度可参考前一节“ID示例”),反之则除以2。
```
### 能用多久
能用多久的解释,是指生成的ID数字,何时能增长到超过 long(有符号64位,8字节)最大值。
🔵 在默认配置下,ID可用 71000 年不重复。
🔵 在支持 1024 个工作节点时,ID可用 4480 年不重复。
🔵 在支持 4096 个工作节点时,ID可用 1120 年不重复。
## 💎 参数设置
❄
***WorkerIdBitLength**
*,机器码位长,决定 WorkerId 的最大值,**默认值6*
*
,取值范围 [1, 19],实际上有些语言采用 无符号 ushort (uint16) 类型接收该参数,所以最大值是16,如果是采用 有符号 short (int16),则最大值为15。
❄
**WorkerId**
,机器码,
**最重要参数**
,无默认值,必须
**全局唯一**
(或相同 DataCenterId 内唯一),必须
**程序设定**
,缺省条件(WorkerIdBitLength取默认值)时最大值63,理论最大值 2^WorkerIdBitLength-1(不同实现语言可能会限定在 65535 或 32767,原理同 WorkerIdBitLength 规则)。不同机器或不同应用实例
**不能相同**
,你可通过应用程序配置该值,也可通过调用外部服务获取值。针对自动注册WorkerId需求,本算法提供默认实现:通过 redis 自动注册 WorkerId 的动态库,详见“Tools
\A
utoRegisterWorkerId”。
**特别提示**
:如果一台服务器部署多个独立服务,需要为每个服务指定不同的 WorkerId。
❄
***SeqBitLength**
*,序列数位长,**默认值6*
*
,取值范围 [3, 21](建议不小于4),决定每毫秒基础生成的ID个数。如果每秒请求数不超过5W,保持默认值6即可;如果超过5W,不超过50W,建议赋值10或更大,以此类推。规则要求:WorkerIdBitLength + SeqBitLength 不超过 22。
❄
***MinSeqNumber**
*
,最小序列数,默认值5,取值范围 [5, MaxSeqNumber],每毫秒的前5个序列数对应编号0-4是保留位,其中1-4是时间回拨相应预留位,0是手工新值预留位。
❄
***MaxSeqNumber**
*
,最大序列数,设置范围 [MinSeqNumber, 2^SeqBitLength-1],默认值0,真实最大序列数取最大值(2^SeqBitLength-1),不为0时,取其为真实最大序列数,一般无需设置,除非多机共享WorkerId分段生成ID(此时还要正确设置最小序列数)。
❄
***BaseTime**
*
,基础时间(也称:基点时间、原点时间、纪元时间),有默认值(2020年),是毫秒时间戳(是整数,.NET是DatetTime类型),作用是:用生成ID时的系统时间与基础时间的差值(毫秒数)作为生成ID的时间戳。基础时间一般无需设置,如果觉得默认值太老,你可以重新设置,不过要注意,这个值以后最好不变。
第二版计划增加参数:
❄
***DataCenterId**
*
,数据中心ID(机房ID,默认0),请确保全局唯一。
❄
***DataCenterIdBitLength**
*
,数据中心ID长度(默认0)。
❄
***TimestampType**
*
,时间戳类型(0-毫秒,1-秒),默认0。
#### 常规集成
1️⃣ 用单例模式调用。本算法采用单线程生成ID,多方调用会被互斥。在同一应用实例内,调用者使用多线程(或并行)方式调用本算法,不会增加ID产出速度。
2️⃣ 指定唯一的 WorkerId。必须由外部系统确保 WorkerId 的全局唯一性,并赋值给本算法入口参数。
3️⃣ 单机多实例部署时使用不同 WorkerId。并非所有实现都支持跨进程的并发唯一,保险起见,在同一主机上部署多应用实例时,请确保各 WorkerId 唯一。
4️⃣ 异常处理。算法会抛出所有 Exception,外部系统应 catch 异常并做好应对处理,以免引发更大的系统崩溃。
5️⃣ 认真理解 IdGeneratorOptions 的定义,这对集成和使用本算法有帮助。
6️⃣ 使用雪花漂移算法。虽然代码里包含了传统雪花算法的定义,并且你可以在入口处指定(Method=2)来启用传统算法,但仍建议你使用雪花漂移算法(Method=1,默认的),毕竟它具有更好的伸缩力和更高的性能。
7️⃣ 不要修改核心算法。本算法内部参数较多,逻辑较为复杂,在你尚未掌握核心逻辑时,请勿修改核心代码且用于生产环境,除非通过大量细致、科学的测试验证。
8️⃣ 应用域内配置策略相同。当系统运行一段时间后,项目需要从程序指定 WorkerId 转到自动注册 WorkerId 时,请确保同一应用域内所有在用实例采用一致的配置策略,这不仅仅针对 WorkerId,也包含其他配置参数。
9️⃣ 管理好服务器时间。雪花算法依赖系统时间,不要手工大幅度回调操作系统时间。如果一定要调整,切记:确保服务再次启动时的系统时间大于最后一次关闭时的时间。(注:世界级或网络级的时间同步或回拨,引起的系统时间小幅度变化,对本算法没影响)
#### 配置变更
配置变更是指系统运行一段时间后,再调整运行参数(IdGeneratorOptions 对象属性),请注意:
🔴 1.首要原则是:BaseTime
**只能更旧**
(距现在更远),让生成的ID值较历史最大值更大,确保没有时间重叠区,不产生重复ID。[
**不推荐**
在系统运行之后调整 BaseTime]
🔴 2.任何时候增加 WorkerIdBitLength 或 SeqBitLength,都是允许的,但应慎用 “减小”操作,因为这可能导致在未来某天生成的 ID 与旧配置时相同。[允许在系统运行之后
**增加**
任何一个 xxxBitLength 值]
🔴 3.如果必须减小 WorkerIdBitLength 或 SeqBitLength 其中的一项,一定要满足条件:新的两个 xxxBitLength 之和要大于旧值之和。[
**不推荐**
在运行之后缩小任何一个 BitLength 值]
🔴 4.上述3条规则,并未在本算法内做逻辑控制,使用者应在确认新配置符合要求后,再实施配置变更。
## 自动注册WorkerId
🔍 唯一ID生成器,依赖WorkerId,当业务服务需要水平无差别复制(自动扩容)时,这就要求能自动注册全局唯一WorkerId,然后才能生产唯一ID。
🔍 本算法提供开源动态库(go语言实现),能在容器 k8s 等容器环境下,通过 redis 自动注册 WorkerId。
🔍 通过redis注册WorkerId,并非唯一方法。你还可以开发中心化的配置服务,各端点服务启动时,通过中心服务获取唯一 WorkerId。
🔍 当然,如果你的服务无需自动扩容,那就不必自动注册WorkerId,而是为它们分别设置全局唯一值。
🔍 方法还有很多,例如:开发中心化的ID生成服务,由它为各端点服务(单个或批量)生成可用ID。
#### 自动注册流程图
图片链接:https://github.com/yitter/IdGenerator/blob/master/Tools/AutoRegisterWorkerId/regprocess.jpg
源码路径:/Go/source/regworkerid/reghelper.go
#### 动态库下载
下载链接1:https://github.com/yitter/IdGenerator/releases/download/v1.3.1/regworkerid_lib_v1.3.1.zip
#### 动态库接口定义
```
// 注册一个 WorkerId,会先注销所有本机已注册的记录
// ip: redis 服务器地址
// port: redis 端口
// password: redis 访问密码,可为空字符串“”
// maxWorkerId: 最大 WorkerId
extern GoInt32 RegisterOne(char* ip, GoInt32 port, char* password, GoInt32 maxWorkerId);
// 注销本机已注册的 WorkerId
extern void UnRegister();
// 检查本地WorkerId是否有效(0-有效,其它-无效)
extern GoInt32 Validate(GoInt32 workerId);
```
## 已实现的语言
| 语言 | github |
| ---- | ---- |
| 🌲 C# |
[
查看示例
][
1
]
|
| 🌲 Java |
[
查看示例
][
2
]
|
| 🌲 Go|
[
查看示例
][
3
]
|
| 🌲 Rust |
[
查看示例
][
4
]
|
| 🌲 Python |
[
查看示例
][
10
]
|
| 🌲 C |
[
查看示例
][
5
]
|
| 🌲 C (PHP扩展) |
[
查看示例
][
7
]
|
| 🌲 Delphi (Pascal) |
[
查看示例
][
6
]
|
| 🌲 JavaScript |
[
查看示例
][
8
]
|
| 🌲 TypeScript |
[
查看示例
][
9
]
|
| 🌲 V |
[
查看示例
][
6
]
|
| 🌲 D |
[
查看示例
][
72
]
|
## 技术支持
开源地址:https://github.com/yitter/IdGenerator
QQ群:646049993
[
comment
]:
<>
( ## 为什么用雪花ID?)
[
comment
]:
<>
( ❄ 因为大厂也在用,推特、百度、美团、滴滴等等。)
[
comment
]:
<>
( ❄ 雪花ID是走向分布式架构的垫脚石,如果只会Guid和数据库自增,怎敢说会分布式系统架构。)
[
comment
]:
<>
( ❄ 雪花ID适合小项目、大项目、超级大项目。)
[
comment
]:
<>
( ## 为什么不用大厂的?)
[
comment
]:
<>
( ❄ 首先,大厂们不但自己用雪花ID,而且还开源:[百度][81] | [美团][82] | [滴滴][83] | [Sony][84] | [雪花ID鼻祖-推特][80]。)
[
comment
]:
<>
( ❄ 然而,大厂的雪花算法分为“经典算法”和“号段算法”两种,其中“号段算法”依赖网络或外部存储系统,不适合“非大厂”,且存在无法反应业务时序的缺点。)
[
comment
]:
<>
( ❄ 至于其“经典算法”,在“ID长度和生成性能”方面,未做过优化,而这正式本算法——雪花漂移算法的核心所在。)
[
1
]:
https://github.com/yitter/idgenerator/tree/master/C%23.NET
[
2
]:
https://github.com/yitter/idgenerator/tree/master/Java
[
3
]:
https://github.com/yitter/idgenerator/tree/master/Go
[
4
]:
https://github.com/yitter/idgenerator/tree/master/Rust
[
5
]:
https://github.com/yitter/idgenerator/tree/master/C
[
6
]:
https://github.com/yitter/idgenerator/tree/master/Delphi
[
7
]:
https://github.com/yitter/idgenerator/tree/master/PHP
[
8
]:
https://github.com/yitter/IdGenerator/tree/master/JavaScript
[
9
]:
https://github.com/yitter/IdGenerator/tree/master/TypeScript
[
10
]:
https://github.com/yitter/IdGenerator/tree/master/Python
[
11
]:
https://github.com/yitter/idgenerator/tree/master/C%23.NET
[
21
]:
https://github.com/yitter/idgenerator/tree/master/Java
[
31
]:
https://github.com/yitter/idgenerator/tree/master/Go
[
41
]:
https://github.com/yitter/idgenerator/tree/master/Rust
[
51
]:
https://github.com/yitter/idgenerator/tree/master/C
[
61
]:
https://github.com/yitter/idgenerator/tree/master/Delphi
[
71
]:
https://github.com/yitter/idgenerator/tree/master/PHP
[
72
]:
https://github.com/yitter/idgenerator/tree/master/zzz-OtherLanguages/D
[
73
]:
https://github.com/yitter/idgenerator/tree/master/zzz-OtherLanguages/D
[
80
]:
https://github.com/twitter-archive/snowflake
[
81
]:
https://github.com/baidu/uid-generator
[
82
]:
https://github.com/Meituan-Dianping/Leaf
[
83
]:
https://github.com/didi/tinyid
[
84
]:
https://github.com/sony/sonyflake
编辑
预览
Markdown
is supported
0%
请重试
或
添加新附件
.
添加附件
取消
You are about to add
0
people
to the discussion. Proceed with caution.
先完成此消息的编辑!
取消
想要评论请
注册
或
登录