Snowflake

使用方法

首先必须要修改默认的 /config/config.js,内容如下；

{
    worker_id: -1,
    datacenter_id: -1
}

worker_id 是 0-31的机器ID（用来配置分布式的多机器，最多支持32个机器）

datacenter_id 是 0-31的数据ID（用来配置某个机器下面的某某服务，每台机器最多支持32个服务）

之所以需要手动配置，是防止使用者误操作（没有做配置，会报错提醒你设置）；

配置完以后，如下操作，返回是Bigint类型的ID

var idWorker = require("../index");
let id = idWorker.nextId();//45386714578944n

关于Bigint类型的说明，请参考：https://www.axihe.com/api/js-es/ob-bigint/overview.html

雪花算法

网上搜到的方案基本是按照推特的方案（10位的数据机器位分成 5位机器ID + 5位数据ID ），目前代码按照这个方案来做的；

方案的实现参考：https://github.com/twitter-archive/snowflake

名词说明

Twitter_Snowflake

SnowFlake的结构如下(每部分用-分开):

0 - 0000000000 0000000000 0000000000 0000000000 0 - 00000 - 00000 - 000000000000 
A-|--------------------B--------------------------|-------C-------|------D------|

• A区：1位标识，由于long基本类型在Java中是带符号的，最高位是符号位，正数是0，负数是1，所以id一般是正数，最高位是0

• B区：41位时间截(毫秒级)，注意，41位时间截不是存储当前时间的时间截，而是存储时间截的差值（当前时间截 - 开始时间截)得到的值， 这里的的开始时间截，一般是我们的id生成器开始使用的时间，由我们程序来指定的（如下下面程序IdWorker类的startTime属性）。41位的时间截，可以使用69年，

  (1n << 41n) / (1000n * 60n * 60n * 24n * 365n) = 69n
  

• C区：10位的数据机器位，可以部署在1024个节点，包括5位datacenterId和5位workerId（2^52^5 = 1024）

• D区：12位序列，毫秒内的计数，12位 的计数顺序号支持每个节点每毫秒(同一机器，同一时间截)产生4096个ID序号（2^12=4096）

加起来刚好64位，为一个Long型。

SnowFlake的优点

SnowFlake的优点是，整体上按照时间自增排序，并且整个分布式系统内不会产生ID碰撞(由数据ID和机器ID作区分)，并且效率较高。

理论1S内生成的ID数量是 1000*4096 = 4096000（四百零九万六千个）

代码中使用Bigint实现，该类型在 Node10.X 版本才开始支持

性能测试

生成100W条ID，      时间约      640-660ms
生成409.6WW条ID，   时间约约    2600-2800ms

具体可以自己跑下本项目的test文件