前言
大家好，篇让我是学会雪花盼盼!
以前用rand和srand生成过伪随机数，伪随机数的算法序列是固定的，今天学习生成真正的篇让随机数的生成。
熵池
利用/dev/urandom可以生成随机数的学会雪花值，/dev/urandomLinux下的算法熵池，所谓熵池就是篇让当前系统下的环境噪音，描述了一个系统的学会雪花混乱程度，环境噪音由这几个方面组成，算法如内存的篇让使用，文件的学会雪花使用量，不同类型的算法进程数量等等。
利用/dev/urandom可以生成随机数的篇让值，/dev/urandomLinux下的学会雪花熵池，所谓熵池就是算法当前系统下的环境噪音，描述了一个系统的高防服务器混乱程度，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 <stdio.h> #include <fcntl.h> 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 94961710 randNum is -523780773 randNum is 1542169420 randNum 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，这个是毫秒级的云南idc服务商时间，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 <stdio.h> #include <pthread.h> #include <unistd.h> #include <stdlib.h> #include <sched.h> #include <linux/unistd.h> #include <sys/syscall.h> #include <errno.h> #include<linux/types.h> #include<time.h> #include <stdint.h> #include <sys/time.h> 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云服务器提供商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。