java 依靠时间戳获取随机数

### 使用Java实现实现自动生成学生唯一编号 为了确保生成的学生编号具有唯一性和高效性，在Java中可以采用多种策略。一种常见的做法是借鉴分布式环境下的ID生成方案，比如基于时间戳和机器标识的组合方式。 #### 方法一：利用当前时间戳与随机数相结合的方式 这种方法简单易行，适合于单机环境下使用： ```java public class StudentIdGenerator { private static final String PREFIX = "STU"; // 编号前缀 public synchronized static String generateStudentId() { long timestamp = System.currentTimeMillis(); int randomNum = (int)((Math.random()*9+1)*100000); // 随机六位数字 StringBuilder studentIdBuilder = new StringBuilder(PREFIX); studentIdBuilder.append(timestamp).append(randomNum); return studentIdBuilder.toString(); } } ``` 此方法通过`System.currentTimeMillis()`获取毫秒级的时间戳作为主要组成部分，并附加一个由`(int)((Math.random()*9+1)*100000)`产生的六位随机整数以增加多样性[^5]。 然而，在高并发场景下仅依靠上述逻辑可能会遇到重复的风险。因此推荐引入更加稳健可靠的解决方案——如雪花算法(Snowflake)，它能够很好地适应大规模分布式的应用场景。 #### 方法二：应用雪花算法（Snowflake） 雪花算法是一种高效的分布式全局唯一ID生成算法，适用于多节点部署的情况。下面是一个简化版的实现例子： ```java class SnowFlake { /** 开始时间截 (2023-01-01) */ private final static long START_TIMESTAMP = 1672531200000L; /** 序列号占用的位数 */ private final static long SEQUENCE_BIT = 12; /** 工作id所占的位数 */ private final static long WORKER_ID_BITS = 5; /** 数据中心id所占的位数 */ private final static long DATA_CENTER_ID_BITS = 5; /** 支持的最大工作id, 结果是31 (这个移位算法可以很快计算出最大支持的工作id数量) */ private final static long MAX_WORKER_ID = ~(-1L << WORKER_ID_BITS); /** 支持的最大数据中心id, 结果也是31 */ private final static long MAX_DATA_CENTER_ID = ~(-1L << DATA_CENTER_ID_BITS); /** 毫秒内序列(0~4095) */ private long sequence = 0L; /** 上次生成ID的时间截 */ private long lastTimestamp = -1L; /** 工作ID左移位数 */ private final static long WORKER_ID_SHIFT = SEQUENCE_BIT; /** 数据中心ID左移位数 */ private final static long DATA_CENTER_ID_SHIFT = SEQUENCE_BIT + WORKER_ID_BITS; /** 时间截向左移动总位数 */ private final static long TIMESTAMP_LEFT_SHIFT = SEQUENCE_BIT + WORKER_ID_BITS + DATA_CENTER_ID_BITS; /** 序列掩码 */ private final static long SEQUENCE_MASK = ~(-1L << SEQUENCE_BIT); /** 工作ID */ private final long workerId; /** 数据中心ID */ private final long dataCenterId; /** * 构造函数 * * @param workerId 工作线程ID * @param dataCenterId 数据中心ID */ public SnowFlake(long workerId, long dataCenterId){ if(workerId > MAX_WORKER_ID || workerId < 0){ throw new IllegalArgumentException(String.format("worker Id can't be greater than %d or less than 0",MAX_WORKER_ID)); } if(dataCenterId > MAX_DATA_CENTER_ID || dataCenterId < 0){ throw new IllegalArgumentException(String.format("datacenter Id can't be greater than %d or less than 0",MAX_DATA_CENTER_ID)); } this.workerId = workerId; this.dataCenterId = dataCenterId; } /** * 获取下一个ID * * @return ID字符串形式 */ public synchronized String nextId(){ long currentTimestamp = timeGen(); if(currentTimestamp < lastTimestamp){ try{ throw new Exception("Clock moved backwards. Refusing to generate id"); }catch(Exception e){ e.printStackTrace(); } } if(lastTimestamp == currentTimestamp){ // 当前毫秒继续增长sequence sequence = (sequence + 1)&SEQUENCE_MASK; if(sequence==0){ // 同一毫秒内的序列溢出，则等待下一毫秒 currentTimestamp=tilNextMillis(lastTimestamp); } }else{ // 不同毫秒重置sequence为零 sequence = 0L; } lastTimestamp=currentTimestamp; // 将各部分拼接成最终的结果 return Long.toUnsignedString( ((currentTimestamp - START_TIMESTAMP)<<TIMESTAMP_LEFT_SHIFT)| (dataCenterId<<DATA_CENTER_ID_SHIFT) | (workerId<<WORKER_ID_SHIFT) | sequence ); } protected long tilNextMillis(final long lastTimestamp) throws InterruptedException { long timestamp = timeGen(); while (timestamp<=lastTimestamp){ Thread.sleep(1); timestamp=timeGen(); } return timestamp; } protected long timeGen(){ return System.currentTimeMillis(); } } // 测试类 public class Test { public static void main(String[] args)throws Exception { SnowFlake snowFlake=new SnowFlake(1,1); for(int i=0;i<10;i++){ System.out.println(snowFlake.nextId()); } } } ``` 该版本的雪花算法考虑到了不同服务器之间的协调问题，通过分配不同的`workderId`和`dataCenterId`来区分各个实例，从而保证即使在网络分区的情况下也能维持ID的独特性[^3]。