当前位置： 首页 > wzjs >正文

福州网站制作哪里有网站推广优化

wzjs 2025/8/18 22:46:37
福州网站制作,哪里有网站推广优化,遵义网站制作费用,深圳产品型网站建设以下是用Java实现的雪花算法代码示例，包含详细注释和异常处理： 代码下面有解析 public class SnowflakeIdGenerator {// 起始时间戳（2020-01-01 00:00:00）private static final long START_TIMESTAMP 1577836800000L;// 各部分…

以下是用Java实现的雪花算法代码示例，包含详细注释和异常处理：

代码下面有解析

public class SnowflakeIdGenerator {// 起始时间戳（2020-01-01 00:00:00）private static final long START_TIMESTAMP = 1577836800000L;// 各部分的位数private static final long DATA_CENTER_ID_BITS = 5L;  // 数据中心ID占5位private static final long WORKER_ID_BITS = 5L;       // 工作节点ID占5位private static final long SEQUENCE_BITS = 12L;       // 序列号占12位// 最大值计算（位运算）private static final long MAX_DATA_CENTER_ID = ~(-1L << DATA_CENTER_ID_BITS);private static final long MAX_WORKER_ID = ~(-1L << WORKER_ID_BITS);private static final long MAX_SEQUENCE = ~(-1L << SEQUENCE_BITS);// 左移位数private static final long WORKER_ID_SHIFT = SEQUENCE_BITS;private static final long DATA_CENTER_ID_SHIFT = SEQUENCE_BITS + WORKER_ID_BITS;private static final long TIMESTAMP_SHIFT = SEQUENCE_BITS + WORKER_ID_BITS + DATA_CENTER_ID_BITS;private final long dataCenterId;  // 数据中心IDprivate final long workerId;      // 工作节点IDprivate long sequence = 0L;       // 序列号private long lastTimestamp = -1L; // 上次生成时间/*** 构造函数* @param dataCenterId 数据中心ID (0~31)* @param workerId     工作节点ID (0~31)*/public SnowflakeIdGenerator(long dataCenterId, long workerId) {if (dataCenterId > MAX_DATA_CENTER_ID || dataCenterId < 0) {throw new IllegalArgumentException("DataCenter ID 超出范围");}if (workerId > MAX_WORKER_ID || workerId < 0) {throw new IllegalArgumentException("Worker ID 超出范围");}this.dataCenterId = dataCenterId;this.workerId = workerId;}/*** 生成下一个ID（线程安全）*/public synchronized long nextId() {long currentTimestamp = System.currentTimeMillis();// 时钟回拨检查if (currentTimestamp < lastTimestamp) {throw new RuntimeException("时钟回拨，拒绝生成ID");}if (currentTimestamp == lastTimestamp) {// 同一毫秒内序列号递增sequence = (sequence + 1) & MAX_SEQUENCE;if (sequence == 0) {// 当前毫秒序列号用完，等待下一毫秒currentTimestamp = waitNextMillis(lastTimestamp);}} else {// 新毫秒重置序列号sequence = 0L;}lastTimestamp = currentTimestamp;// 组合各部分生成IDreturn ((currentTimestamp - START_TIMESTAMP) << TIMESTAMP_SHIFT)| (dataCenterId << DATA_CENTER_ID_SHIFT)| (workerId << WORKER_ID_SHIFT)| sequence;}/*** 阻塞等待直到下一毫秒*/private long waitNextMillis(long lastTimestamp) {long currentTimestamp = System.currentTimeMillis();while (currentTimestamp <= lastTimestamp) {currentTimestamp = System.currentTimeMillis();}return currentTimestamp;}public static void main(String[] args) {// 示例用法SnowflakeIdGenerator idGenerator = new SnowflakeIdGenerator(1, 1);for (int i = 0; i < 10; i++) {System.out.println("生成的ID: " + idGenerator.nextId());}}
}

好的！我来用更简单的方式分步讲解雪花算法的分布式核心逻辑，以及Java代码的关键部分。

第一步：为什么需要分布式ID？

在单机系统中，可以用数据库自增ID。但在分布式系统中，多个节点同时生成ID时，自增ID会冲突。雪花算法通过结构划分，让每个节点独立生成全局唯一ID。

第二步：雪花ID的结构（64位）

想象把64位的数字分成四个部分，像切蛋糕一样：

  1. 符号位（1位）：固定为0，保证ID是正数（蛋糕边角料，几乎不用管）。
  2. 时间戳（41位）：记录ID生成的时间（精确到毫秒），保证ID随时间递增。
  3. 机器ID（10位）：分配给不同机器的编号，确保不同机器的ID不冲突。
  4. 序列号（12位）：同一毫秒内，如果生成多个ID，用序列号区分。

外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传

第三步：机器ID的分配（分布式核心）

• 问题：如果多台机器生成ID，如何确保它们的ID不重复？
• 解决方案：为每台机器分配一个唯一编号（比如：数据中心ID + 工作节点ID）。
• 示例：5位数据中心ID（031） + 5位工作节点ID（031） → 最多支持 32×32=1024 台机器。
• 分配方式：手动配置或通过ZooKeeper等工具动态分配。

第四步：Java代码关键点拆解

1. 定义各部分的位数
private static final long DATA_CENTER_ID_BITS = 5L;  // 数据中心ID占5位
private static final long WORKER_ID_BITS = 5L;       // 工作节点ID占5位
private static final long SEQUENCE_BITS = 12L;       // 序列号占12位
2. 计算最大值（防止溢出）
// 5位最大值是 2^5-1 = 31
private static final long MAX_DATA_CENTER_ID = ~(-1L << DATA_CENTER_ID_BITS);
private static final long MAX_WORKER_ID = ~(-1L << WORKER_ID_BITS);
3. 生成ID的核心逻辑
public synchronized long nextId() {long currentTimestamp = System.currentTimeMillis();// 1. 检查时钟回拨（时间不能倒流）if (currentTimestamp < lastTimestamp) {throw new RuntimeException("时钟回拨！");}// 2. 同一毫秒内生成多个IDif (currentTimestamp == lastTimestamp) {sequence++; // 序列号+1if (sequence > MAX_SEQUENCE) {// 当前毫秒的序列号用完了，等待下一毫秒currentTimestamp = waitNextMillis(lastTimestamp);sequence = 0;}} else {sequence = 0; // 新的一毫秒，序列号重置}lastTimestamp = currentTimestamp;// 3. 拼接各部分（位运算）return (时间戳部分) | (机器ID部分) | (序列号部分);
}
4. 位运算如何拼接？

假设时间差是 1000ms，数据中心ID=1，工作节点ID=1，序列号=0：

时间戳部分：1000ms << 22位（左移后占据高位）
机器ID部分：1 << 17位（左移后占据中间）
工作节点部分：1 << 12位（左移后占据中间）
序列号部分：0（占据最后12位）最终二进制：
0000000000000000000000011111101000 00001 00001 000000000000

第五步：分布式场景示例

• 机器A：数据中心ID=1，工作节点ID=1
• 机器B：数据中心ID=1，工作节点ID=2
• 机器C：数据中心ID=2，工作节点ID=1

同一毫秒内，三台机器生成的ID：

机器A：时间戳 | 1（数据中心） | 1（工作节点） | 序列号
机器B：时间戳 | 1（数据中心） | 2（工作节点） | 序列号
机器C：时间戳 | 2（数据中心） | 1（工作节点） | 序列号

即使时间戳和序列号相同，机器ID不同 → 最终ID不同！

第六步：常见问题解答

1. 为什么时间戳占41位？

• 41位二进制能表示的时间范围是 2^41 / 1000 / 3600 / 24 / 365 ≈ 69年。
• 如果从2020年开始，可以用到2089年。

2. 时钟回拨怎么办？

• 原因：服务器时间被手动调整或NTP同步导致时间倒退。
• 处理：代码中直接抛出异常（生产环境可优化为等待时钟追上）。

3. 序列号为什么是12位？

• 12位支持每毫秒生成 4096个ID（2^12 = 4096），足够大多数场景使用。

总结

雪花算法的分布式核心就是：

  1. 分蛋糕：把64位分成时间、机器ID、序列号。
  2. 唯一机器ID：确保不同机器的ID不冲突。
  3. 时间有序：时间戳保证ID整体递增，适合数据库索引。

代码中的位运算就像拼乐高积木，把时间、机器编号、序列号拼成一个完整的ID。你提到的这一点非常重要！这里涉及到位运算和二进制补码的知识，我来详细拆解这个计算过程，保证彻底讲清楚。

问题聚焦

代码中的这两行：

private static final long MAX_DATA_CENTER_ID = ~(-1L << DATA_CENTER_ID_BITS);
private static final long MAX_WORKER_ID = ~(-1L << WORKER_ID_BITS);

为什么 DATA_CENTER_ID_BITS = 5 时，MAX_DATA_CENTER_ID = 31？如何通过位运算得出这个结果？

第一步：理解二进制补码

在计算机中，负数用补码表示。例如：
• -1 的二进制补码形式是：11111111 11111111 ... 11111111（64位全1）。

**第二步：分步计算 **~(-1L << 5)

以 DATA_CENTER_ID_BITS = 5 为例：

  1. **计算 **-1L << 5
    • -1L 的二进制：11111111 11111111 ... 11111111（64位全1）。
    • 左移5位后：
11111111 11111111 ... 11111111 00000  
↑ 左侧丢弃5位，右侧补5个0

• 结果仍是一个负数（最高位是1）。

  1. 按位取反 ~ 操作
    • 对 111...11100000 取反：
00000000 00000000 ... 00000000 11111  
↑ 所有位取反（0变1，1变0）

• 此时最高位是0，表示正数。

  1. 转换为十进制
    • 二进制 000...0011111 的十进制是 2^4 + 2^3 + 2^2 + 2^1 + 2^0 = 31。

通用公式

• 对于 n 位：~(-1L << n) = 2^n - 1
例如：
• n=5 → 2^5-1=31
• n=10 → 2^10-1=1023

为什么不用 2^n - 1 直接赋值？

代码中通过位运算动态计算最大值，有两个优点：

  1. 可读性：直接体现“用n位表示最大值”的逻辑。
  2. 可维护性：若未来调整位数（如改为6位），无需手动计算 2^6-1=63，代码自动适应。

代码中的验证逻辑

构造函数中检查数据中心ID和工作节点ID是否超过最大值：

public SnowflakeIdGenerator(long dataCenterId, long workerId) {if (dataCenterId > MAX_DATA_CENTER_ID || dataCenterId < 0) {throw new IllegalArgumentException("DataCenter ID 超出范围");}// 同理检查workerId
}

• 若传入 dataCenterId=32（超过31），会直接抛出异常，防止生成重复ID。

举例验证

假设 DATA_CENTER_ID_BITS = 3（最大值应为 2^3-1=7）：

  1. -1L << 3 → 111...11111111000（64位）。
  2. 取反后 → 000...00000000111（二进制7）。
  3. MAX_DATA_CENTER_ID = 7。

总结

• 核心逻辑：通过左移和取反计算n位能表示的最大正整数。
• 位运算技巧：利用补码和位移动态计算最大值，避免硬编码。
• 设计意图：确保机器ID在指定范围内，防止分布式系统中ID冲突。好的！我再用一个更生活化的比喻和分步拆解，确保彻底讲明白这段代码的逻辑。

比喻：楼层与房间号

想象你要为一家全球连锁酒店设计房间号，规则如下：

  1. 酒店编号：区分不同国家/城市的酒店（如北京=01，上海=02）。
  2. 分店编号：同一城市的不同分店（如北京分店A=001，分店B=002）。
  3. 时间戳：记录房间分配的日期（如20231025）。
  4. 序列号：同一天内分配的房间顺序（如0001, 0002）。

最终房间号格式：时间戳 + 酒店编号 + 分店编号 + 序列号，例如：
20231025 01 001 0001 → 北京分店A在2023年10月25日分配的第1个房间。

对应雪花算法

将上述规则映射到雪花算法的64位ID：
• 时间戳：占据高位（相当于日期）。
• 数据中心ID（酒店编号）：区分不同数据中心。
• 工作节点ID（分店编号）：同一数据中心的不同机器。
• 序列号：同一毫秒内的顺序号。

代码逐行拆解

1. 定义左移位数
private static final long WORKER_ID_SHIFT = SEQUENCE_BITS;
private static final long DATA_CENTER_ID_SHIFT = SEQUENCE_BITS + WORKER_ID_BITS;
private static final long TIMESTAMP_SHIFT = SEQUENCE_BITS + WORKER_ID_BITS + DATA_CENTER_ID_BITS;

• 作用：计算每个部分在二进制中的起始位置。
• 示例（假设配置）：
• 序列号占12位（SEQUENCE_BITS=12）
• 工作节点ID占5位（WORKER_ID_BITS=5）
• 数据中心ID占5位（DATA_CENTER_ID_BITS=5）

• 计算逻辑：
• 工作节点ID需要左移序列号的位数（12位），占据第13~17位。
• 数据中心ID需要左移序列号+工作节点ID位数（12+5=17位），占据第18~22位。
• 时间戳需要左移序列号+工作节点ID+数据中心ID位数（12+5+5=22位），占据第23~63位。

外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传

2. 成员变量
private final long dataCenterId;  // 数据中心ID（如：1）
private final long workerId;      // 工作节点ID（如：2）
private long sequence = 0L;       // 序列号（每毫秒从0开始）
private long lastTimestamp = -1L; // 上一次生成ID的时间（毫秒级）

• 作用：
• dataCenterId和workerId：唯一标识一台机器（类似酒店和分店编号）。
• sequence：同一毫秒内的递增序号（解决并发问题）。
• lastTimestamp：记录上一次生成ID的时间，用于检测时钟回拨。

分步演示生成ID

假设数据：

• 当前时间戳：1609459205000（2020-01-01 00:00:05）
• 数据中心ID：1（二进制 00001）
• 工作节点ID：2（二进制 00010）
• 序列号：3（二进制 000000000011）

步骤1：计算时间差
long timestampDiff = currentTimestamp - START_TIMESTAMP;
// 1609459205000 - 1609459200000 = 5000（毫秒）
步骤2：各部分左移

• 时间戳部分
5000 << 22
二进制：0000000000000000000000000000000000000000010011100010000000000000
• 数据中心ID部分
1 << 17
二进制：0000000000000000000000000000000000000000000000000010000000000000
• 工作节点ID部分
2 << 12
二进制：0000000000000000000000000000000000000000000000000000001000000000
• 序列号部分
3
二进制：0000000000000000000000000000000000000000000000000000000000000011

步骤3：合并各部分（按位或运算）
时间戳部分 | 数据中心ID部分 | 工作节点ID部分 | 序列号部分
= 0000000000000000000000000000000000000000010011100010000000000000| 0000000000000000000000000000000000000000000000000010000000000000| 0000000000000000000000000000000000000000000000000000001000000000| 0000000000000000000000000000000000000000000000000000000000000011
= 0000000000000000000000000000000000000000010011100010001000000011

十进制结果：5000 << 22 | 1 << 17 | 2 << 12 | 3 = 20971520000 + 131072 + 8192 + 3 = 20972852787

关键设计思想

  1. 唯一性：通过dataCenterId和workerId区分不同机器。
  2. 有序性：时间戳在高位，整体ID趋势递增。
  3. 高性能：位运算和本地计算，无需网络请求。

总结

• 位移常量：决定每部分在ID中的位置（类似酒店房间号的“区段”）。
• 成员变量：存储机器标识和时间信息，通过位移拼接成唯一ID。
• 本质：把时间、机器、序列号信息编码到一个64位数字中，像拼图一样严丝合缝。

http://www.dtcms.com/wzjs/397646.html

相关文章：

  • 崆峒区建设局网站媒体代发网站
  • wordpress 导出 主题西安市seo排名按天优化
  • 做网站找谷谷网络比较好网上推广产品怎么做
  • 临沂网站seo软文广告文案案例
  • 北京网站排名seo百度高级搜索入口
  • 家庭做网站店铺推广软文范例
  • 口腔医院东莞网站建设电脑优化大师下载安装
  • 做旅行网站的意义成都seo
  • 什么建站公司好站长之家网站模板
  • 北京网站制作的公司哪家好google应用商店
  • 搭建网站怎么赚钱网站营销策略有哪些
  • 王也天个人资料优化教程网下载
  • 网站建设相关关键词搜狐酒业峰会
  • 电商网站新闻怎么做的谷歌排名网站优化
  • 东莞软件网站推广淘宝排名查询
  • 高性能网站建设进阶...超级优化空间
  • 有人和兽做的网站seo优化主要工作内容
  • 微科技h5制作网站模板台州关键词优化服务
  • 高端品牌网站设计企业网站建设培训方案怎么做
  • 企业网站的常见服务是什么广告策划案优秀案例
  • 做网站需要多少钱 做百度权重4网站值多少钱
  • 石家庄网站建设找哪家互联网全媒体广告代理
  • 人家做网站是什么成都网站快速开发
  • 较便宜的网站建设昆明长尾词seo怎么优化
  • 网站如何做传输网盘网络营销计划书怎么写
  • 济南智能网站建设哪家好长沙有实力seo优化
  • 长春哪家做网站做的好免费的seo优化
  • 新手学做网站12天婴优化设计六年级下册语文答案
  • 广东网站建设发信息网站出售
  • 专业手机网站开发有广告位怎么找广告商