本文主要是介绍雪花算法造成的问题，对大家解决编程问题具有一定的参考价值，需要的程序猿们随着小编来一起学习吧！

遇到问题的以及处理方式：

问题1：

我们在处理数据库中的id时，没有使用自增，也没有在yml文件中配置：

mybatis-plus:
  configuration:
    #在映射实体或者属性时，将数据库中表名和字段名中的下划线去掉，按照驼峰命名法映射
    map-underscore-to-camel-case: true
    log-impl: org.apache.ibatis.logging.stdout.StdOutImpl
  global-config:
    db-config:
      id-type: auto

而在是在项目中，我们直接是使用：

mybatis-plus:
  configuration:
    #在映射实体或者属性时，将数据库中表名和字段名中的下划线去掉，按照驼峰命名法映射
    map-underscore-to-camel-case: true
    log-impl: org.apache.ibatis.logging.stdout.StdOutImpl
  global-config:
    db-config:
      id-type: assign_id # 使用雪花算法生成id

其中主要是对id的类型进行修改。

mybatis-plus 的id_type的类型：

解决问题1：

现在有两种方法：

第一种解决方法：对id的数据类型进行修改，数据库实体和返回的对象都用：BigInteger。

因为数据库用的使用bigint对应的java中BigInteger， 并且BigInteger比Long范围更大。

第二种解决方法：使用 @JsonSerialize(using = ToStringSerializer.class) 注解。

// 进行转为String
@JsonSerialize(using = ToStringSerializer.class)
private Long id;

如是使用的数据类型是BigInteger，依旧不能解决改问题，可以尝试去用第二种解决方法进行处理。

雪花算法：

雪花算法是Twitter开源的分布式ID生成算法，它主要是由64bit的long型生成的全局ID,引入了时间戳和ID保持自增的属性.

64bit分为四个部分: 第一个部分是1bit, 这不 使用,没有意义; 第二个部分是41bit, 组成时间戳; 第三个部分是10bit, 工作机器ID,里面分为两个部分,5个bit是的是机房号,代表最多有2^5即32个机房,5个bit是指机器的ID,代表最多有2^5个机器,即32个机器 . 第四部分是12bit, 代表是同一个毫秒类产生不同的ID,区分同一个毫秒内产生的ID.

总的来说就是一个机房,一台机器,在同一号毫秒时产生的ID,可能在同一秒钟产生不同的ID,最后12bit序列号可以区分在同一秒钟的不同ID.

雪花算法保证:

1.所生成的ID按时间递增 2.整个分布式系统不会有重复的ID

雪花算法优点是：

1、生成的id不会重复。

2、有序，不会造成空间浪费和胡乱插入影响性能。

3、生成很快特别是比UUid快得多。

4、相比UUid更小。

缺点是：时间回拨造成错乱

这篇关于雪花算法造成的问题的文章就介绍到这儿，希望我们推荐的文章对大家有所帮助，也希望大家多多支持为之网！