雪花算法Snowflake Algorithm一篇带你搞懂雪花算法的文章从原理到实现从问题到优化。目录什么是雪花算法算法原理详解核心特点与优势Java 完整实现常见问题与解决方案与其他 ID 方案对比生产环境最佳实践总结1. 什么是雪花算法雪花算法Snowflake Algorithm是 Twitter 开源的一种分布式 ID 生成算法用于在分布式系统中生成全局唯一且趋势递增的 64 位 ID。诞生背景在分布式系统中传统数据库自增 ID 无法满足需求UUID 虽然唯一但无序且占用空间大。雪花算法应运而生既保证了 ID 的唯一性又具备良好的排序性和高性能。一句话概括雪花算法 分布式系统里的身份证号码生成器2. 算法原理详解2.1 64 位 ID 结构雪花算法生成的 ID 是一个long类型的 64 位整数结构如下字段位数说明符号位1 位固定为 0保证 ID 为正数时间戳41 位毫秒级时间可支持 69 年机器 ID10 位最多支持 1024 个节点序列号12 位同一毫秒内可生成 4096 个 ID2.2 生成规则同一毫秒内序列号递增0 → 1 → 2 → … → 4095序列号用完等待下一毫秒序列号重置为 0跨毫秒序列号重置为 0时间戳更新不同机器通过机器 ID 区分2.3 ID 拼装过程longid((timestamp-twepoch)timestampShift)// 时间戳左移22位|(workerIdworkerIdShift)// 机器ID左移12位|sequence;// 序列号占低12位3. 核心特点与优势特点说明全局唯一时间戳 机器 ID 序列号组合保证唯一机器 ID 不冲突则绝不重复趋势递增包含时间戳ID 按时间有序对 B 树索引友好插入性能高高性能纯内存计算无 IO 开销单机 QPS 可达数百万高可用不依赖外部系统数据库、Redis 等每个节点独立生成灵活可定制可根据业务调整位数分配如增加机器 ID 位数支持更多节点4. Java 完整实现4.1 核心代码packagecom.example.snowflake;/** * 雪花算法ID生成器 */publicclassSnowflakeIdWorker{// 基础配置 /** 开始时间截 (2026-08-08 00:00:00) */privatefinallongtwepoch1783584000000L;/** 机器ID所占位数 */privatefinallongworkerIdBits10L;/** 序列号所占位数 */privatefinallongsequenceBits12L;/** 机器ID最大值 1023 */privatefinallongmaxWorkerId~(-1LworkerIdBits);/** 序列号最大值 4095 */privatefinallongsequenceMask~(-1LsequenceBits);/** 机器ID左移位 */privatefinallongworkerIdShiftsequenceBits;/** 时间戳左移位 */privatefinallongtimestampShiftworkerIdBitssequenceBits;// 工作状态 privatefinallongworkerId;privatelongsequence0L;privatelonglastTimestamp-1L;publicSnowflakeIdWorker(longworkerId){if(workerIdmaxWorkerId||workerId0){thrownewIllegalArgumentException(String.format(workerId应在 0 ~ %d 之间,maxWorkerId));}this.workerIdworkerId;}/** * 生成下一个ID线程安全 */publicsynchronizedlongnextId(){longtimestamptimeGen();// 时钟回拨处理if(timestamplastTimestamp){longoffsetlastTimestamp-timestamp;if(offset5){// 回拨5ms内等待时间追上try{wait(offset);}catch(InterruptedExceptione){Thread.currentThread().interrupt();}timestamptimeGen();}else{thrownewRuntimeException(String.format(时钟回拨超过5ms拒绝生成ID。回拨: %dms,offset));}}// 同一毫秒内生成if(lastTimestamptimestamp){sequence(sequence1)sequenceMask;if(sequence0){timestamptilNextMillis(lastTimestamp);}}else{sequence0L;}lastTimestamptimestamp;return((timestamp-twepoch)timestampShift)|(workerIdworkerIdShift)|sequence;}privatelongtilNextMillis(longlastTimestamp){longtimestamptimeGen();while(timestamplastTimestamp){timestamptimeGen();}returntimestamp;}privatelongtimeGen(){returnSystem.currentTimeMillis();}/** * 解析ID调试用 * 注意使用 无符号右移避免符号扩展问题 */publicStringparseId(longid){longtimestamp(idtimestampShift)twepoch;longworkerId(idworkerIdShift)maxWorkerId;longsequenceidsequenceMask;returnString.format(ID: %d | 时间: %s | 机器ID: %d | 序列号: %d,id,newjava.util.Date(timestamp),workerId,sequence);}}4.2 使用示例与运行结果publicclassSnowflakeDemo{publicstaticvoidmain(String[]args){SnowflakeIdWorkerworkernewSnowflakeIdWorker(1);for(inti0;i10;i){longidworker.nextId();System.out.println(worker.parseId(id));}}}运行结果ID: 733946724203208704 | 时间: Tue Aug 18 14:23:57 CST 2026 | 机器ID: 1 | 序列号: 0 ID: 733946724203208705 | 时间: Tue Aug 18 14:23:57 CST 2026 | 机器ID: 1 | 序列号: 1 ID: 733946724203208706 | 时间: Tue Aug 18 14:23:57 CST 2026 | 机器ID: 1 | 序列号: 2 ID: 733946724203208707 | 时间: Tue Aug 18 14:23:57 CST 2026 | 机器ID: 1 | 序列号: 3 ID: 733946724203208708 | 时间: Tue Aug 18 14:23:57 CST 2026 | 机器ID: 1 | 序列号: 4 ID: 733946724203208709 | 时间: Tue Aug 18 14:23:57 CST 2026 | 机器ID: 1 | 序列号: 5 ID: 733946724203208710 | 时间: Tue Aug 18 14:23:57 CST 2026 | 机器ID: 1 | 序列号: 6 ID: 733946724203208711 | 时间: Tue Aug 18 14:23:57 CST 2026 | 机器ID: 1 | 序列号: 7 ID: 733946724203208712 | 时间: Tue Aug 18 14:23:57 CST 2026 | 机器ID: 1 | 序列号: 8 ID: 733946724203208713 | 时间: Tue Aug 18 14:23:57 CST 2026 | 机器ID: 1 | 序列号: 9从运行结果可以看出同一毫秒内生成的 ID序列号从 0 开始依次递增所有 ID 均为正数符号位为 0机器 ID 固定为 1与构造时传入的参数一致5. 常见问题与解决方案5.1 时钟回拨Clock Drift问题系统时间被回拨NTP 同步或手动修改可能导致 ID 重复。解决方案方案说明适用场景等待策略检测到回拨后等待时间追上回拨时间短 5ms抛异常回拨超过阈值直接抛出异常回拨时间长需人工介入备用方案使用其他 ID 生成方式降级高可用要求严格ZooKeeper 协调将机器 ID 等信息存入 ZK动态分配大规模分布式系统代码实现见第 4 节nextId()中的回拨处理逻辑。5.2 机器 ID 怎么分配方式说明优缺点手动配置配置文件指定简单但易出错ZooKeeper节点注册时分配自动管理高可用Redis用 Redis 自增分配实现简单IP / 主机名根据 IP 计算无需外部依赖但可能冲突6. 与其他 ID 方案对比特性雪花算法UUID数据库自增 IDRedis 自增唯一性全局唯一全局唯一仅单库唯一全局唯一有序性趋势递增无序递增递增性能极高~200 万 QPS高低依赖 DB高空间占用8 字节Long36 字节String8 字节8 字节依赖外部无依赖无依赖依赖数据库依赖 Redis分布式原生支持支持需额外处理支持为什么不用 UUID无序作为数据库主键会导致 B 树索引页分裂性能下降存储大36 字节字符串是雪花算法的 4.5 倍可读性差无任何业务含义7. 生产环境最佳实践7.1 机器 ID 管理推荐 ZooKeeper// 伪代码示例publicclassWorkerIdManager{publiclonggetWorkerId(){// 1. 连接 ZooKeeper// 2. 在 /snowflake/workers 下创建顺序节点// 3. 返回节点序号作为 workerId// 4. 监听节点变化处理机器 ID 回收}}7.2 时钟同步使用 NTP 定期同步系统时间监控系统时间发现异常及时告警回拨策略根据业务容忍度设置阈值建议 5ms7.3 参数调优建议业务场景建议配置说明普通业务标准配置10 位机器 ID 12 位序列号足够覆盖绝大多数场景超大规模增加机器 ID 位数如 12 位支持更多节点高并发增加序列号位数如 14 位同一毫秒支持更多 ID长期项目增加时间戳位数延长算法可用年限8. 总结核心要点64 位 ID 结构1 位符号位 41 位时间戳 10 位机器 ID 12 位序列号全局唯一时间戳 机器 ID 序列号三重保证趋势递增对数据库索引友好插入性能高高性能纯内存位运算QPS 可达百万级时钟回拨需妥善处理常用等待或抛异常策略适用场景推荐使用分布式系统主键 ID订单号、流水号消息队列消息 ID日志跟踪 ID不推荐使用需要严格连续递增如发票号需要包含业务含义可用前缀 雪花 ID一句话总结雪花算法是分布式系统中最优雅的 ID 生成方案高性能、全局唯一、趋势递增用 64 位整数解决了分布式 ID 生成的所有核心痛点。希望这篇文章对你有所帮助。有任何问题也欢迎在评论区交流讨论。
雪花算法（Snowflake Algorithm）
雪花算法Snowflake Algorithm一篇带你搞懂雪花算法的文章从原理到实现从问题到优化。目录什么是雪花算法算法原理详解核心特点与优势Java 完整实现常见问题与解决方案与其他 ID 方案对比生产环境最佳实践总结1. 什么是雪花算法雪花算法Snowflake Algorithm是 Twitter 开源的一种分布式 ID 生成算法用于在分布式系统中生成全局唯一且趋势递增的 64 位 ID。诞生背景在分布式系统中传统数据库自增 ID 无法满足需求UUID 虽然唯一但无序且占用空间大。雪花算法应运而生既保证了 ID 的唯一性又具备良好的排序性和高性能。一句话概括雪花算法 分布式系统里的身份证号码生成器2. 算法原理详解2.1 64 位 ID 结构雪花算法生成的 ID 是一个long类型的 64 位整数结构如下字段位数说明符号位1 位固定为 0保证 ID 为正数时间戳41 位毫秒级时间可支持 69 年机器 ID10 位最多支持 1024 个节点序列号12 位同一毫秒内可生成 4096 个 ID2.2 生成规则同一毫秒内序列号递增0 → 1 → 2 → … → 4095序列号用完等待下一毫秒序列号重置为 0跨毫秒序列号重置为 0时间戳更新不同机器通过机器 ID 区分2.3 ID 拼装过程longid((timestamp-twepoch)timestampShift)// 时间戳左移22位|(workerIdworkerIdShift)// 机器ID左移12位|sequence;// 序列号占低12位3. 核心特点与优势特点说明全局唯一时间戳 机器 ID 序列号组合保证唯一机器 ID 不冲突则绝不重复趋势递增包含时间戳ID 按时间有序对 B 树索引友好插入性能高高性能纯内存计算无 IO 开销单机 QPS 可达数百万高可用不依赖外部系统数据库、Redis 等每个节点独立生成灵活可定制可根据业务调整位数分配如增加机器 ID 位数支持更多节点4. Java 完整实现4.1 核心代码packagecom.example.snowflake;/** * 雪花算法ID生成器 */publicclassSnowflakeIdWorker{// 基础配置 /** 开始时间截 (2026-08-08 00:00:00) */privatefinallongtwepoch1783584000000L;/** 机器ID所占位数 */privatefinallongworkerIdBits10L;/** 序列号所占位数 */privatefinallongsequenceBits12L;/** 机器ID最大值 1023 */privatefinallongmaxWorkerId~(-1LworkerIdBits);/** 序列号最大值 4095 */privatefinallongsequenceMask~(-1LsequenceBits);/** 机器ID左移位 */privatefinallongworkerIdShiftsequenceBits;/** 时间戳左移位 */privatefinallongtimestampShiftworkerIdBitssequenceBits;// 工作状态 privatefinallongworkerId;privatelongsequence0L;privatelonglastTimestamp-1L;publicSnowflakeIdWorker(longworkerId){if(workerIdmaxWorkerId||workerId0){thrownewIllegalArgumentException(String.format(workerId应在 0 ~ %d 之间,maxWorkerId));}this.workerIdworkerId;}/** * 生成下一个ID线程安全 */publicsynchronizedlongnextId(){longtimestamptimeGen();// 时钟回拨处理if(timestamplastTimestamp){longoffsetlastTimestamp-timestamp;if(offset5){// 回拨5ms内等待时间追上try{wait(offset);}catch(InterruptedExceptione){Thread.currentThread().interrupt();}timestamptimeGen();}else{thrownewRuntimeException(String.format(时钟回拨超过5ms拒绝生成ID。回拨: %dms,offset));}}// 同一毫秒内生成if(lastTimestamptimestamp){sequence(sequence1)sequenceMask;if(sequence0){timestamptilNextMillis(lastTimestamp);}}else{sequence0L;}lastTimestamptimestamp;return((timestamp-twepoch)timestampShift)|(workerIdworkerIdShift)|sequence;}privatelongtilNextMillis(longlastTimestamp){longtimestamptimeGen();while(timestamplastTimestamp){timestamptimeGen();}returntimestamp;}privatelongtimeGen(){returnSystem.currentTimeMillis();}/** * 解析ID调试用 * 注意使用 无符号右移避免符号扩展问题 */publicStringparseId(longid){longtimestamp(idtimestampShift)twepoch;longworkerId(idworkerIdShift)maxWorkerId;longsequenceidsequenceMask;returnString.format(ID: %d | 时间: %s | 机器ID: %d | 序列号: %d,id,newjava.util.Date(timestamp),workerId,sequence);}}4.2 使用示例与运行结果publicclassSnowflakeDemo{publicstaticvoidmain(String[]args){SnowflakeIdWorkerworkernewSnowflakeIdWorker(1);for(inti0;i10;i){longidworker.nextId();System.out.println(worker.parseId(id));}}}运行结果ID: 733946724203208704 | 时间: Tue Aug 18 14:23:57 CST 2026 | 机器ID: 1 | 序列号: 0 ID: 733946724203208705 | 时间: Tue Aug 18 14:23:57 CST 2026 | 机器ID: 1 | 序列号: 1 ID: 733946724203208706 | 时间: Tue Aug 18 14:23:57 CST 2026 | 机器ID: 1 | 序列号: 2 ID: 733946724203208707 | 时间: Tue Aug 18 14:23:57 CST 2026 | 机器ID: 1 | 序列号: 3 ID: 733946724203208708 | 时间: Tue Aug 18 14:23:57 CST 2026 | 机器ID: 1 | 序列号: 4 ID: 733946724203208709 | 时间: Tue Aug 18 14:23:57 CST 2026 | 机器ID: 1 | 序列号: 5 ID: 733946724203208710 | 时间: Tue Aug 18 14:23:57 CST 2026 | 机器ID: 1 | 序列号: 6 ID: 733946724203208711 | 时间: Tue Aug 18 14:23:57 CST 2026 | 机器ID: 1 | 序列号: 7 ID: 733946724203208712 | 时间: Tue Aug 18 14:23:57 CST 2026 | 机器ID: 1 | 序列号: 8 ID: 733946724203208713 | 时间: Tue Aug 18 14:23:57 CST 2026 | 机器ID: 1 | 序列号: 9从运行结果可以看出同一毫秒内生成的 ID序列号从 0 开始依次递增所有 ID 均为正数符号位为 0机器 ID 固定为 1与构造时传入的参数一致5. 常见问题与解决方案5.1 时钟回拨Clock Drift问题系统时间被回拨NTP 同步或手动修改可能导致 ID 重复。解决方案方案说明适用场景等待策略检测到回拨后等待时间追上回拨时间短 5ms抛异常回拨超过阈值直接抛出异常回拨时间长需人工介入备用方案使用其他 ID 生成方式降级高可用要求严格ZooKeeper 协调将机器 ID 等信息存入 ZK动态分配大规模分布式系统代码实现见第 4 节nextId()中的回拨处理逻辑。5.2 机器 ID 怎么分配方式说明优缺点手动配置配置文件指定简单但易出错ZooKeeper节点注册时分配自动管理高可用Redis用 Redis 自增分配实现简单IP / 主机名根据 IP 计算无需外部依赖但可能冲突6. 与其他 ID 方案对比特性雪花算法UUID数据库自增 IDRedis 自增唯一性全局唯一全局唯一仅单库唯一全局唯一有序性趋势递增无序递增递增性能极高~200 万 QPS高低依赖 DB高空间占用8 字节Long36 字节String8 字节8 字节依赖外部无依赖无依赖依赖数据库依赖 Redis分布式原生支持支持需额外处理支持为什么不用 UUID无序作为数据库主键会导致 B 树索引页分裂性能下降存储大36 字节字符串是雪花算法的 4.5 倍可读性差无任何业务含义7. 生产环境最佳实践7.1 机器 ID 管理推荐 ZooKeeper// 伪代码示例publicclassWorkerIdManager{publiclonggetWorkerId(){// 1. 连接 ZooKeeper// 2. 在 /snowflake/workers 下创建顺序节点// 3. 返回节点序号作为 workerId// 4. 监听节点变化处理机器 ID 回收}}7.2 时钟同步使用 NTP 定期同步系统时间监控系统时间发现异常及时告警回拨策略根据业务容忍度设置阈值建议 5ms7.3 参数调优建议业务场景建议配置说明普通业务标准配置10 位机器 ID 12 位序列号足够覆盖绝大多数场景超大规模增加机器 ID 位数如 12 位支持更多节点高并发增加序列号位数如 14 位同一毫秒支持更多 ID长期项目增加时间戳位数延长算法可用年限8. 总结核心要点64 位 ID 结构1 位符号位 41 位时间戳 10 位机器 ID 12 位序列号全局唯一时间戳 机器 ID 序列号三重保证趋势递增对数据库索引友好插入性能高高性能纯内存位运算QPS 可达百万级时钟回拨需妥善处理常用等待或抛异常策略适用场景推荐使用分布式系统主键 ID订单号、流水号消息队列消息 ID日志跟踪 ID不推荐使用需要严格连续递增如发票号需要包含业务含义可用前缀 雪花 ID一句话总结雪花算法是分布式系统中最优雅的 ID 生成方案高性能、全局唯一、趋势递增用 64 位整数解决了分布式 ID 生成的所有核心痛点。希望这篇文章对你有所帮助。有任何问题也欢迎在评论区交流讨论。
---MCP开发和中间件)
