01 演算法介紹
Snowflake是Twitter開源的分散式ID生成演算法，結果是一個19位的Long型的ID。其核心思想是：使用41bit作為毫秒數，10bit作為機器的ID，12bit作為毫秒內的流水號（即每個節點在每毫秒可以產生 4096 個 ID），最後還有一個符號位，永遠是0。
佈局如下圖所示：
二進位制字串位（64位）：
0101111001101110110111100011011101011110000000000000000000000000
該演算法的優缺點在網上很容易找到。
優點：
1、整體呈遞增趨勢
2、不依賴第三方系統，穩定性更高
3、可以根據自身業務特性分配bit位
缺點：
1、嚴重依賴時鐘
Snowflake演算法使用時間戳，個人認為是由於時間戳為全域性整體呈遞增趨勢，在防重上區別性比較大，同時方便獲取。
02 方案介紹
今天我主要介紹的是一種時間回撥時的解決方案：
回到snowflake演算法結構，仔細分析會發現：
1、10位的workId屬於自定義
2、12位的順序號主要是高併發
3、41位的時間戳本質為時間的差值，並非一定要求為當前時間。比如：System.currentTimeMillis(), 其實質為當前時間距離1970-01-01的時間差值的毫秒數。
實質上時間戳位置也可以是當前時間 - 基線時間（timeEpoch）計算之後的時間差值。而解決時間回撥的問題，入手點便在當前時間。雖然申明為當前時間，其實際上可以為任意一個大於基線時間的時間，只要保證隨著時間推移，整體遞增，且全域性唯一。
比如41位的時間戳的值為：
41位的時間戳 = 當前基礎時間 - 基線時間。
當前基礎時間 = 當前系統時間 - 時鐘回撥緩衝時間（比如1年 = 365 * 24 * 3600 * 1000L）。
上一次訪問時間 = 上一次訪問的基礎時間。
當上一次訪問時間 大於 當前基礎時間 ，表示系統時間已經回撥。
此時透過調整時鐘回撥緩衝時間，修復當前基礎時間
時鐘回撥調整的幅度 = 上一次訪問時間 - 發生時鐘回撥之後的系統時間
當前基礎時間 = 當前系統時間 -（ 時間回撥緩衝時間 - 時鐘回撥調整的幅度 ）
修復示例圖：
注意：
1、方案中的的“上一次訪問時間”需要在當前節點持久化至檔案或者可持久化的位置
2、可修復的差值 = 上一次訪問時間 - 發生時鐘回撥之後的系統時間
從圖中示例可以看出，正常情況下，“時鐘回撥快取時間”為365天，如果發生時鐘回撥1天，可修復的差值 = 1，“時鐘回撥快取時間”調整為364（天） = 365（天） - 1（天）
如果時間回撥快取時間等於1年時，就表示系統執行時，時間回撥最大的時間為1年。
反饋問題：
1、我為什麼自定義基線時間即時間紀元。
經過測試，我發現時間差值在2000年左右才可以保證生成的ID為整數，如果超過則會產生負數，我修改時間紀元，主要為了延長使用的時間
2、上述時鐘快取時間為什麼是1年
時鐘快取時間可以自定義，1年只是我當前的使用值
程式碼如下：
// 獲取snowflake演算法計算之後的值public synchronized long getId() { long timestamp = currentBaseTime(); if (timestamp < lastTimestamp) { long offset = lastTimestamp - timestamp; //毫秒級的時間倒退，直接等待 if (offset <= 5) { try { wait(offset << 1); } catch (Exception ex) { logger.error("wait={} 異常", offset); } } else { //超過5ms的時間倒退，則直接修復 this.fixStepMills = offset; } timestamp = currentBaseTime(); //此處為兩次校驗，提高準確性 if (timestamp < lastTimestamp) { this.fixStepMills = lastTimestamp - timestamp; timestamp = currentBaseTime(); } } //最後的時間戳與當前時間相等 if (lastTimestamp == timestamp) { sequence = (sequence + 1) & sequenceMask; if (sequence == 0) { sequence = random.nextInt(100); timestamp = tilNextTimestamp(lastTimestamp); } } else { sequence = random.nextInt(100); } this.lastTimestamp = timestamp; return (timestamp - timeEpoch) << timestampShift | workId << workIdShift | sequence;}//獲取當前基礎時間private long currentBaseTime() { // baseBackupMills:時間回撥緩衝時間 // fixStepMills:待修復的時間，即時鐘回撥的時間差值 long baseTimeEpoch = baseBackupMills - fixStepMills; if (baseTimeEpoch <= 0) { throw new IllegalArgumentException("time back to long"); } LocalDateTime currentTime = getCurrentTime(); if (Objects.isNull(currentTime)) { currentTime = LocalDateTime.now(); } return currentTime.minusSeconds(baseTimeEpoch / 1000).atZone(ZoneId.systemDefault()).toInstant().toEpochMilli();}