原文出自：公众号 盼盼编程
原文链接：
https://mp.weixin.qq.com/s/rz7l1yfZvPtXv74dOYyKEA
以前用rand和srand生成过伪随机数，伪随机数的序列是固定的，今天学习生成真正的随机数的生成。
利用/dev/urandom可以生成随机数的值，/dev/urandomlinux下的熵池，所谓熵池就是当前系统下的环境噪音，描述了一个系统的混乱程度，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。
利用/dev/urandom可以生成随机数的值，/dev/urandomLinux下的熵池，所谓熵池就是当前系统下的环境噪音，描述了一个系统的混乱程度，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 %dn", 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。
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]
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。
