雪花算法（Snowflake Algorithm）在 Go 语言中的实现，基本的思路和原理与其他语言相同，依然是将 64 位整型（int64）划分为几个部分，分别表示时间戳、机器 ID、数据中心 ID 和序列号等信息。以下是一个完整的 Go 语言实现雪花算法的例子。
Life is like a journey
package main
import (
"fmt"
"sync"
"time"
)
const (
// 初始时间戳：自定义的纪元时间（通常设置为某个固定的起始时间）
epoch int64 = 1609459200000 // 2021年1月1日 00:00:00的毫秒级时间戳
workerBits uint8 = 10 // 机器 ID 的位数
sequenceBits uint8 = 12 // 序列号的位数
workerMax int64 = -1 ^ (-1 << workerBits) // 最大机器 ID (1023)
sequenceMask int64 = -1 ^ (-1 << sequenceBits) // 最大序列号 (4095)
workerShift uint8 = sequenceBits // 机器 ID 的位移量
timestampShift uint8 = workerBits + workerShift // 时间戳的位移量
)
// Snowflake 结构体，包含了当前机器的 ID 和生成 ID 所需要的状态
type Snowflake struct {
mu sync.Mutex
lastTimestamp int64 // 上次生成 ID 时的时间戳
workerID int64 // 当前机器的 ID
sequence int64 // 当前毫秒内的序列号
}
// NewSnowflake 创建一个新的 Snowflake 实例
func NewSnowflake(workerID int64) (*Snowflake, error) {
if workerID < 0 || workerID > workerMax {
return nil, fmt.Errorf("worker ID should be between 0 and %d", workerMax)
}
return &Snowflake{
workerID: workerID,
}, nil
}
// generateID 生成一个唯一的雪花 ID
func (s *Snowflake) generateID() int64 {
s.mu.Lock() // 保证线程安全
defer s.mu.Unlock()
// 获取当前时间戳（单位：毫秒）
timestamp := time.Now().UnixMilli() - epoch
// 如果当前时间戳和上次生成 ID 的时间戳相同，递增序列号
if timestamp == s.lastTimestamp {
s.sequence = (s.sequence + 1) & sequenceMask
// 如果序列号已经达到最大值，等待下一毫秒
if s.sequence == 0 {
for timestamp <= s.lastTimestamp {
timestamp = time.Now().UnixMilli() - epoch
}
}
} else {
// 不同时间戳，重置序列号
s.sequence = 0
}
s.lastTimestamp = timestamp
// 根据雪花算法的位分配生成最终的 ID
id := (timestamp << timestampShift) |
(s.workerID << workerShift) |
s.sequence
return id
}
func main() {
// 创建一个 Snowflake 实例，指定机器 ID（这里为1）
sf, err := NewSnowflake(1)
if err != nil {
fmt.Println("Error:", err)
return
}
// 生成并打印多个 ID
for i := 0; i < 10; i++ {
id := sf.generateID()
fmt.Printf("Generated ID: %d\n", id)
}
}
epoch: 自定义的纪元时间（起始时间），通常是某个固定的时间戳。这里选择了 2021 年 1 月 1 日 00:00:00 的毫秒级时间戳。workerBits: 机器 ID 所占的位数。通过调整该值可以改变集群中可支持的机器数量（例如，workerBits 为 10 时，最多支持 1024 台机器）。sequenceBits: 序列号的位数，决定了每个机器在同一毫秒内可以生成多少个唯一的 ID（例如，sequenceBits 为 12 时，最多支持每毫秒生成 4096 个 ID）。Snowflake：
workerID: 当前机器的 ID，用于区分不同机器生成的 ID。sequence: 当前毫秒内生成的 ID 序列号，从 0 开始递增，最多为 4095。lastTimestamp: 记录上一次生成 ID 时的时间戳，确保在同一毫秒内生成不同的 ID。generateID 方法：
timestamp << timestampShift: 时间戳左移后的值。s.workerID << workerShift: 机器 ID 左移后的值。s.sequence: 序列号。NewSnowflake 方法：
Snowflake 实例，传入机器 ID，并校验该 ID 是否有效。main 方法：
Snowflake 实例并生成多个 ID，打印输出。假设我们运行上面的代码，生成并打印 10 个 ID，输出可能如下所示：
Generated ID: 1654767740152535040
Generated ID: 1654767740152540160
Generated ID: 1654767740152545280
Generated ID: 1654767740152550400
Generated ID: 1654767740152555520
Generated ID: 1654767740152560640
Generated ID: 1654767740152565760
Generated ID: 1654767740152570880
Generated ID: 1654767740152576000
Generated ID: 1654767740152581120
这些 ID 会按时间顺序递增，可以根据生成的 ID 推算出其生成的时间（通过时间戳部分）。同时，每个 ID 都是全局唯一的，适用于分布式系统中。
通过上述实现和原理分析，雪花算法为分布式系统提供了一种高效、简单且可靠的全局唯一 ID 生成方案。