雪花算法

moon聊技术

共 487字,需浏览 1分钟

 ·

2021-11-08 17:24

前言

大家好,我是盼盼!

以前用rand和srand生成过伪随机数,伪随机数的序列是固定的,今天学习生成真正的随机数的生成。

熵池

利用/dev/urandom可以生成随机数的值,/dev/urandomLinux下的熵池,所谓熵池就是当前系统下的环境噪音,描述了一个系统的混乱程度,环境噪音由这几个方面组成,如内存的使用,文件的使用量,不同类型的进程数量等等。

利用/dev/urandom可以生成随机数的值,/dev/urandomLinux下的熵池,所谓熵池就是当前系统下的环境噪音,描述了一个系统的混乱程度,环境噪音由这几个方面组成,如内存的使用,文件的使用量,不同类型的进程数量等等。


#include #include 
int main(){ int randNum = 0; int fd = 0;
for(int i=0;i<5;i++) { fd = open("/dev/urandom", O_RDONLY); read(fd, (char *)&randNum, sizeof(int)); close(fd); printf("randNum is %d\n", randNum); }
return 0;}

运行结果:

mapan@mapan-virtual-machine:~/c++$ ./a.out randNum is 94961710randNum is -523780773randNum is 1542169420randNum is -1632410867


每次打印的5个随机数都不一样,其实它的随机性也不太好。雪花算法生成的数的随机性很好,通常在分布式系统中生成唯一ID。

雪花算法

SnowFlake算法产生的ID是一个64位的整型,结构如下(每一部分用“-”符号分隔):
0 - 0000000000 0000000000 0000000000 0000000000 0 - 00000 - 00000 - 00000000000

1位标识部分,在java中由于long的最高位是符号位,正数是0,负数是1,一般生成的ID为正数,所以为0;

41位时间戳部分,这个是毫秒级的时间,一般实现上不会存储当前的时间戳,而是时间戳的差值(当前时间-固定的开始时间),这样可以使产生的ID从更小值开始;41位的时间戳可以使用69年,(1L << 41) / (1000L 60 60 24 365) = 69年;

10位节点部分,Twitter实现中使用前5位作为数据中心标识,后5位作为机器标识,可以部署1024个节点;

12位序列号部分,支持同一毫秒内同一个节点可以生成4096个ID;


/*     snowflake 
ID 生成策略 毫秒级时间41位+机器ID 10位+毫秒内序列12位。 0 41 51 64 +-----------+------+------+ |time |pc |inc | +-----------+------+------+ 前41bits是以微秒为单位的timestamp。 接着10bits是事先配置好的机器ID。 最后12bits是累加计数器。 macheine id(10bits)标明最多只能有1024台机器同时产生ID,sequence number(12bits)也标明1台机器1ms中最多产生4096个ID, * 注意点,因为使用到位移运算,所以需要64位操作系统,不然生成的ID会有可能不正确 */
#include #include #include #include #include #include #include #include #include #include #include #include
struct globle { int global_int:12; uint64_t last_stamp; int workid; int seqid; };
void set_workid(int workid); pid_t gettid( void ); uint64_t get_curr_ms(); uint64_t wait_next_ms(uint64_t lastStamp); int atomic_incr(int id); uint64_t get_unique_id();
#include "snowflake.h"
struct globle g_info;
#define sequenceMask (-1L ^ (-1L << 12L)) //L表示long型 4095
void set_workid(int workid){ g_info.workid = workid;}
pid_t gettid( void )//获取线程ID{ return syscall( __NR_gettid );}
uint64_t get_curr_ms() //获取毫秒{ struct timeval time_now; gettimeofday(&time_now,NULL); uint64_t ms_time =time_now.tv_sec*1000+time_now.tv_usec/1000; return ms_time;}
uint64_t wait_next_ms(uint64_t lastStamp){ uint64_t cur = 0; do { cur = get_curr_ms(); } while (cur <= lastStamp); return cur;}
int atomic_incr(int id)//累加{ __sync_add_and_fetch(&id, 1); return id;}
uint64_t get_unique_id(){ uint64_t uniqueId=0; uint64_t nowtime = get_curr_ms();//获取当前毫秒数
uniqueId = nowtime << 22; //填补时间戳部分
//0x3ff 1023,二进制对应11 1111 1111 //100的二进制0000 0000 0000 0000 0000 0000 0110 0100 //先执行移位 uniqueId |= (g_info.workid & 0x3ff) << 12; //填补节点部分
if (nowtime < g_info.last_stamp) { perror("error"); exit(-1); }
if (nowtime == g_info.last_stamp) { //4095的二进制0000 1111 1111 1111 [long型] g_info.seqid = atomic_incr(g_info.seqid) & sequenceMask; if (g_info.seqid == 0) //seqid=0防止冲突,修改时间 { nowtime = wait_next_ms(g_info.last_stamp);//获取大于当前时间的time } } else { g_info.seqid = 0; } g_info.last_stamp = nowtime;
uniqueId |= g_info.seqid;//填补序列号部分 return uniqueId;}
int main(){ set_workid(100); int i; for(i=0;i<10;i++) { uint64_t unquie = get_unique_id(); printf("pthread_id:%u, id [%llu]\n",gettid(),unquie); }
return; }

运行结果:

mapan@mapan-virtual-machine:~/c++$ ./a.out pthread_id:4970, id [6595660141600063488]pthread_id:4970, id [6595660141600063489]pthread_id:4970, id [6595660141600063490]pthread_id:4970, id [6595660141600063491]pthread_id:4970, id [6595660141600063492]

结尾

雪花算法很多大厂都在使用,随机性比熵池要好。雪花算法的思想在平时工作中也有用到,将多个数据拼到一个值里面是常用套路,要掌握。

浏览 25
点赞
评论
收藏
分享

手机扫一扫分享

分享
举报
评论
图片
表情
推荐
点赞
评论
收藏
分享

手机扫一扫分享

分享
举报