diff --git a/C#.NET/README.md b/C#.NET/README.md
index 0eed46a..48cb90c 100644
--- a/C#.NET/README.md
+++ b/C#.NET/README.md
@@ -1,37 +1,37 @@
-# ❄ idgenerator-C#
-
-## 运行环境
-
-.NET Standard 2.0+
-(支持:.net framework4.6.1+/.net core 2.0+/.net5/.net6+/mono5.4+/Unity 2018+/Xamarin/)
-
-## 引用 nuget 包
-```
-
-```
-
-## 调用示例(C#)
-
-第1步,**全局** 初始化(应用程序启动时执行一次):
-```
-// 创建 IdGeneratorOptions 对象,可在构造函数中输入 WorkerId:
-var options = new IdGeneratorOptions(Your_Unique_Worker_Id);
-// options.WorkerIdBitLength = 10; // 默认值6,限定 WorkerId 最大值为2^6-1,即默认最多支持64个节点。
-// options.SeqBitLength = 6; // 默认值6,限制每毫秒生成的ID个数。若生成速度超过5万个/秒,建议加大 SeqBitLength 到 10。
-// options.BaseTime = Your_Base_Time; // 如果要兼容老系统的雪花算法,此处应设置为老系统的BaseTime。
-// ...... 其它参数参考 IdGeneratorOptions 定义。
-
-// 保存参数(务必调用,否则参数设置不生效):
-YitIdHelper.SetIdGenerator(options);
-
-// 以上过程只需全局一次,且应在生成ID之前完成。
-```
-
-第2步,生成ID:
-```
-// 初始化后,在任何需要生成ID的地方,调用以下方法:
-var newId = YitIdHelper.NextId();
-```
-
-
-
+# ❄ idgenerator-C#
+
+## 运行环境
+
+.NET Standard 2.0+
+(支持:.net framework4.6.1+/.net core 2.0+/.net5/.net6+/mono5.4+/Unity 2018+/Xamarin/)
+
+## 引用 nuget 包
+```
+
+```
+
+## 调用示例(C#)
+
+第1步,**全局** 初始化(应用程序启动时执行一次):
+```
+// 创建 IdGeneratorOptions 对象,可在构造函数中输入 WorkerId:
+var options = new IdGeneratorOptions(Your_Unique_Worker_Id);
+// options.WorkerIdBitLength = 10; // 默认值6,限定 WorkerId 最大值为2^6-1,即默认最多支持64个节点。
+// options.SeqBitLength = 6; // 默认值6,限制每毫秒生成的ID个数。若生成速度超过5万个/秒,建议加大 SeqBitLength 到 10。
+// options.BaseTime = Your_Base_Time; // 如果要兼容老系统的雪花算法,此处应设置为老系统的BaseTime。
+// ...... 其它参数参考 IdGeneratorOptions 定义。
+
+// 保存参数(务必调用,否则参数设置不生效):
+YitIdHelper.SetIdGenerator(options);
+
+// 以上过程只需全局一次,且应在生成ID之前完成。
+```
+
+第2步,生成ID:
+```
+// 初始化后,在任何需要生成ID的地方,调用以下方法:
+var newId = YitIdHelper.NextId();
+```
+
+
+
diff --git a/Delphi/source/.gitignore b/Delphi/source/.gitignore
index 63788ae..0264818 100644
--- a/Delphi/source/.gitignore
+++ b/Delphi/source/.gitignore
@@ -1,5 +1,5 @@
-Win32/
-*.exe
-*.dproj.local
-*.identcache
-__*
+Win32/
+*.exe
+*.dproj.local
+*.identcache
+__*
diff --git a/Java/README.md b/Java/README.md
index f57fb77..38c2f92 100644
--- a/Java/README.md
+++ b/Java/README.md
@@ -1,39 +1,39 @@
-# ❄ idgenerator-Java
-
-## 运行环境
-
-JDK 1.8+
-
-## 引用 maven 包
-```
-
- com.github.yitter
- yitter-idgenerator
- 1.0.6
-
-```
-
-## 调用示例(Java)
-
-第1步,**全局** 初始化(应用程序启动时执行一次):
-```
-// 创建 IdGeneratorOptions 对象,可在构造函数中输入 WorkerId:
-IdGeneratorOptions options = new IdGeneratorOptions(Your_Unique_Worker_Id);
-// options.WorkerIdBitLength = 10; // 默认值6,限定 WorkerId 最大值为2^6-1,即默认最多支持64个节点。
-// options.SeqBitLength = 6; // 默认值6,限制每毫秒生成的ID个数。若生成速度超过5万个/秒,建议加大 SeqBitLength 到 10。
-// options.BaseTime = Your_Base_Time; // 如果要兼容老系统的雪花算法,此处应设置为老系统的BaseTime。
-// ...... 其它参数参考 IdGeneratorOptions 定义。
-
-// 保存参数(务必调用,否则参数设置不生效):
-YitIdHelper.SetIdGenerator(options);
-
-// 以上过程只需全局一次,且应在生成ID之前完成。
-```
-
-第2步,生成ID:
-```
-// 初始化后,在任何需要生成ID的地方,调用以下方法:
-long newId = YitIdHelper.nextId();
-```
-
-
+# ❄ idgenerator-Java
+
+## 运行环境
+
+JDK 1.8+
+
+## 引用 maven 包
+```
+
+ com.github.yitter
+ yitter-idgenerator
+ 1.0.6
+
+```
+
+## 调用示例(Java)
+
+第1步,**全局** 初始化(应用程序启动时执行一次):
+```
+// 创建 IdGeneratorOptions 对象,可在构造函数中输入 WorkerId:
+IdGeneratorOptions options = new IdGeneratorOptions(Your_Unique_Worker_Id);
+// options.WorkerIdBitLength = 10; // 默认值6,限定 WorkerId 最大值为2^6-1,即默认最多支持64个节点。
+// options.SeqBitLength = 6; // 默认值6,限制每毫秒生成的ID个数。若生成速度超过5万个/秒,建议加大 SeqBitLength 到 10。
+// options.BaseTime = Your_Base_Time; // 如果要兼容老系统的雪花算法,此处应设置为老系统的BaseTime。
+// ...... 其它参数参考 IdGeneratorOptions 定义。
+
+// 保存参数(务必调用,否则参数设置不生效):
+YitIdHelper.SetIdGenerator(options);
+
+// 以上过程只需全局一次,且应在生成ID之前完成。
+```
+
+第2步,生成ID:
+```
+// 初始化后,在任何需要生成ID的地方,调用以下方法:
+long newId = YitIdHelper.nextId();
+```
+
+
diff --git a/README.md b/README.md
index 5b315a4..e02b65b 100644
--- a/README.md
+++ b/README.md
@@ -1,304 +1,304 @@
-# 雪花算法中非常好用的数字ID生成器
-
-## 💎 最佳实践(置顶)
-
-针对大家在测试过程中,经常出现的性能问题,以下给出3组最佳实践配置:
-
-❄ 如果生成ID速度不超过5W/s,不用修改任何配置参数
-
-❄ 如果生成ID速度超过5W/s,低于50W,推荐修改:SeqBitLength=10
-
-❄ 如果生成ID速度超过50W/s,接近500W,推荐修改:SeqBitLength=12
-
-总之,增加 SeqBitLength 会让性能更高,但生成的 ID 也会更长。
-
-
-## 💎 算法介绍
-
-❄ 这是优化的雪花算法(雪花漂移),它生成的ID更短、速度更快。
-
-❄ 支持 k8s 等容器环境自动扩容(自动注册 WorkerId),可在单机或分布式环境生成数字型唯一ID。
-
-❄ 原生支持 C#/Java/Go/C/Rust/Python/Node.js/PHP(C扩展)/SQL/ 等语言,并提供多线程安全调用动态库(FFI)。
-
-❄ 兼容所有雪花算法(号段模式或经典模式,大厂或小厂),将来你可做任意的升级切换。
-
-❄ 这是计算机历史上最全面的雪花ID生成工具。【截至2022年8月】
-
-
-#### 需求来源
-
-💧 作为架构设计的你,想要解决数据库主键唯一的问题,特别是在分布式系统多数据库中。
-
-💧 你希望数据表主键用最少的存储空间,索引速度更快,Select、Insert 和 Update 更迅速。
-
-💧 你要考虑在分库分表(合库合表)时,主键值可直接使用,并能反映业务时序。
-
-💧 如果这样的主键值太长,超过前端 js Number 类型最大值,须把 Long 型转换为 String 型,你会觉得有点沮丧。
-
-💧 尽管 Guid 能自增,但占用空间大,索引速度慢,你不想用它。
-
-💧 应用实例可能超过50个,每个并发请求可达10W/s。
-
-💧 要在容器环境部署应用,支持水平复制、自动扩容。
-
-💧 不想依赖 redis 的自增操作获得连续的主键ID,因为连续的ID存在业务数据安全风险。
-
-💧 你希望系统运行 100 年以上。
-
-
-#### 传统算法问题
-
-❌ 生成的ID太长。
-
-❌ 瞬时并发量不够。
-
-❌ 不能解决时间回拨问题。
-
-❌ 不支持后补生成前序ID。
-
-❌ 可能依赖外部存储系统。
-
-
-#### 新算法特点
-
-✔ 整形数字,随时间单调递增(不一定连续),长度更短,用50年都不会超过 js Number类型最大值。(默认配置)
-
-✔ 速度更快,是传统雪花算法的2-5倍,0.1秒可生成50万个(基于8代低压i7)。
-
-✔ 支持时间回拨处理。比如服务器时间回拨1秒,本算法能自动适应生成临界时间的唯一ID。
-
-✔ 支持手工插入新ID。当业务需要在历史时间生成新ID时,用本算法的预留位能生成5000个每秒。
-
-✔ 不依赖任何外部缓存和数据库。(k8s环境下自动注册 WorkerId 的动态库依赖 redis)
-
-✔ 基础功能,开箱即用,无需配置文件、数据库连接等。
-
-
-#### 性能数据
-
-(参数:10位自增序列,1000次漂移最大值)
-| 连续请求量 | 5K | 5W | 50W |
-| ---- | ---- | ---- | ---- |
-| 传统雪花算法 | 0.0045s | 0.053s | 0.556s |
-| 雪花漂移算法 | 0.0015s | 0.012s | 0.113s |
-
-💍 极致性能:500W/s~3000W/s。(所有测试数据均基于8代低压i7计算)
-
-
-#### 如何处理时间回拨
-
-🔶 当发生系统时间回拨时,算法采用过去时序的预留序数生成新的ID。
-
-🔶 回拨生成的ID序号,默认靠前,也可以调整为靠后。
-
-🔶 允许时间回拨至本算法预设基数(参数可调)。
-
-
-## 💎 ID组成说明
-
- * 本算法生成的ID由3部分组成(沿用雪花算法定义):
- * +-------------------------+--------------+----------+
- * | 1.相对基础时间的时间差 | 2.WorkerId | 3.序列数 |
- * +-------------------------+--------------+----------+
- *
- * 第1部分,时间差,是生成ID时的系统时间减去 BaseTime 的总时间差(毫秒单位)。
- * 第2部分,WorkerId,是区分不同机器或不同应用的唯一ID,最大值由 WorkerIdBitLength(默认6)限定。
- * 第3部分,序列数,是每毫秒下的序列数,由参数中的 SeqBitLength(默认6)限定。
-
-#### ID示例
-
-🟣 本算法生成的 ID ,是整数(占用空间最多8字节),以下是基于默认配置生成的ID:
-```
-129053495681099 (运行1年,长度:15)
-387750301904971 (运行3年,长度:15)
-646093214093387 (运行5年,长度:15)
-1292658282840139 (运行10年,长度:16)
-9007199254740992 (运行70年,达到 js Number 最大值,长度:16)
-165399880288699493 (运行1000年,等同普通雪花算法运行1年,长度:18)
-```
-
-🟣 本算法生成的 ID 值,是 js Number 最大值的 1%-10%,是普通雪花算法值的千分之一,而生成速度却超过普通雪花算法。
-
-🟣 js Number 类型最大数值:9007199254740992,本算法在保持并发性能(5W+/0.01s)和最大64个 WorkerId(6bit)的同时,能用70年才到 js Number Max 值。
-
-
-### 长度估算
-
-```
-💍 每增加 1位 WorkerIdBitLength 或 SeqBitLength,生成的ID数字值将会乘以2(基础长度可参考前一节“ID示例”),反之则除以2。
-```
-
-### 能用多久
-
-能用多久的解释,是指生成的ID数字,何时能增长到超过 long(有符号64位,8字节)最大值。
-
-🔵 在默认配置下,ID可用 71000 年不重复。
-
-🔵 在支持 1024 个工作节点时,ID可用 4480 年不重复。
-
-🔵 在支持 4096 个工作节点时,ID可用 1120 年不重复。
-
-
-## 💎 参数设置
-
-❄ ***WorkerIdBitLength***,机器码位长,决定 WorkerId 的最大值,**默认值6**,取值范围 [1, 19],实际上有些语言采用 无符号 ushort (uint16) 类型接收该参数,所以最大值是16,如果是采用 有符号 short (int16),则最大值为15。
-
-❄ **WorkerId**,机器码,**最重要参数**,无默认值,必须 **全局唯一**(或相同 DataCenterId 内唯一),必须 **程序设定**,缺省条件(WorkerIdBitLength取默认值)时最大值63,理论最大值 2^WorkerIdBitLength-1(不同实现语言可能会限定在 65535 或 32767,原理同 WorkerIdBitLength 规则)。不同机器或不同应用实例 **不能相同**,你可通过应用程序配置该值,也可通过调用外部服务获取值。针对自动注册WorkerId需求,本算法提供默认实现:通过 redis 自动注册 WorkerId 的动态库,详见“Tools\AutoRegisterWorkerId”。
-
-**特别提示**:如果一台服务器部署多个独立服务,需要为每个服务指定不同的 WorkerId。
-
-❄ ***SeqBitLength***,序列数位长,**默认值6**,取值范围 [3, 21](建议不小于4),决定每毫秒基础生成的ID个数。如果每秒请求数不超过5W,保持默认值6即可;如果超过5W,不超过50W,建议赋值10或更大,以此类推。规则要求:WorkerIdBitLength + SeqBitLength 不超过 22。
-
-❄ ***MinSeqNumber***,最小序列数,默认值5,取值范围 [5, MaxSeqNumber],每毫秒的前5个序列数对应编号0-4是保留位,其中1-4是时间回拨相应预留位,0是手工新值预留位。
-
-❄ ***MaxSeqNumber***,最大序列数,设置范围 [MinSeqNumber, 2^SeqBitLength-1],默认值0,真实最大序列数取最大值(2^SeqBitLength-1),不为0时,取其为真实最大序列数,一般无需设置,除非多机共享WorkerId分段生成ID(此时还要正确设置最小序列数)。
-
-❄ ***BaseTime***,基础时间(也称:基点时间、原点时间、纪元时间),有默认值(2020年),是毫秒时间戳(是整数,.NET是DatetTime类型),作用是:用生成ID时的系统时间与基础时间的差值(毫秒数)作为生成ID的时间戳。基础时间一般无需设置,如果觉得默认值太老,你可以重新设置,不过要注意,这个值以后最好不变。
-
-
-第二版计划增加参数:
-
-❄ ***DataCenterId***,数据中心ID(机房ID,默认0),请确保全局唯一。
-
-❄ ***DataCenterIdBitLength***,数据中心ID长度(默认0)。
-
-❄ ***TimestampType***,时间戳类型(0-毫秒,1-秒),默认0。
-
-
-#### 常规集成
-
-1️⃣ 用单例模式调用。本算法采用单线程生成ID,多方调用会被互斥。在同一应用实例内,调用者使用多线程(或并行)方式调用本算法,不会增加ID产出速度。
-
-2️⃣ 指定唯一的 WorkerId。必须由外部系统确保 WorkerId 的全局唯一性,并赋值给本算法入口参数。
-
-3️⃣ 单机多实例部署时使用不同 WorkerId。并非所有实现都支持跨进程的并发唯一,保险起见,在同一主机上部署多应用实例时,请确保各 WorkerId 唯一。
-
-4️⃣ 异常处理。算法会抛出所有 Exception,外部系统应 catch 异常并做好应对处理,以免引发更大的系统崩溃。
-
-5️⃣ 认真理解 IdGeneratorOptions 的定义,这对集成和使用本算法有帮助。
-
-6️⃣ 使用雪花漂移算法。虽然代码里包含了传统雪花算法的定义,并且你可以在入口处指定(Method=2)来启用传统算法,但仍建议你使用雪花漂移算法(Method=1,默认的),毕竟它具有更好的伸缩力和更高的性能。
-
-7️⃣ 不要修改核心算法。本算法内部参数较多,逻辑较为复杂,在你尚未掌握核心逻辑时,请勿修改核心代码且用于生产环境,除非通过大量细致、科学的测试验证。
-
-8️⃣ 应用域内配置策略相同。当系统运行一段时间后,项目需要从程序指定 WorkerId 转到自动注册 WorkerId 时,请确保同一应用域内所有在用实例采用一致的配置策略,这不仅仅针对 WorkerId,也包含其他配置参数。
-
-9️⃣ 管理好服务器时间。雪花算法依赖系统时间,不要手工大幅度回调操作系统时间。如果一定要调整,切记:确保服务再次启动时的系统时间大于最后一次关闭时的时间。(注:世界级或网络级的时间同步或回拨,引起的系统时间小幅度变化,对本算法没影响)
-
-
-#### 配置变更
-
-配置变更是指系统运行一段时间后,再调整运行参数(IdGeneratorOptions 对象属性),请注意:
-
-🔴 1.首要原则是:BaseTime **只能更旧**(距现在更远),让生成的ID值较历史最大值更大,确保没有时间重叠区,不产生重复ID。[**不推荐** 在系统运行之后调整 BaseTime]
-
-🔴 2.任何时候增加 WorkerIdBitLength 或 SeqBitLength,都是允许的,但应慎用 “减小”操作,因为这可能导致在未来某天生成的 ID 与旧配置时相同。[允许在系统运行之后 **增加** 任何一个 xxxBitLength 值]
-
-🔴 3.如果必须减小 WorkerIdBitLength 或 SeqBitLength 其中的一项,一定要满足条件:新的两个 xxxBitLength 之和要大于旧值之和。[**不推荐** 在运行之后缩小任何一个 BitLength 值]
-
-🔴 4.上述3条规则,并未在本算法内做逻辑控制,使用者应在确认新配置符合要求后,再实施配置变更。
-
-
-## 自动注册WorkerId
-
-🔍 唯一ID生成器,依赖WorkerId,当业务服务需要水平无差别复制(自动扩容)时,这就要求能自动注册全局唯一WorkerId,然后才能生产唯一ID。
-
-🔍 本算法提供开源动态库(go语言实现),能在容器 k8s 等容器环境下,通过 redis 自动注册 WorkerId。
-
-🔍 通过redis注册WorkerId,并非唯一方法。你还可以开发中心化的配置服务,各端点服务启动时,通过中心服务获取唯一 WorkerId。
-
-🔍 当然,如果你的服务无需自动扩容,那就不必自动注册WorkerId,而是为它们分别设置全局唯一值。
-
-🔍 方法还有很多,例如:开发中心化的ID生成服务,由它为各端点服务(单个或批量)生成可用ID。
-
-
-#### 自动注册流程图
-
-图片链接:https://github.com/yitter/IdGenerator/blob/master/Tools/AutoRegisterWorkerId/regprocess.jpg
-
-源码路径:/Go/source/regworkerid/reghelper.go
-
-#### 动态库下载
-
-下载链接1:https://github.com/yitter/IdGenerator/releases/download/v1.3.1/regworkerid_lib_v1.3.1.zip
-
-#### 动态库接口定义
-```
-// 注册一个 WorkerId,会先注销所有本机已注册的记录
-// ip: redis 服务器地址
-// port: redis 端口
-// password: redis 访问密码,可为空字符串“”
-// maxWorkerId: 最大 WorkerId
-extern GoInt32 RegisterOne(char* ip, GoInt32 port, char* password, GoInt32 maxWorkerId);
-
-// 注销本机已注册的 WorkerId
-extern void UnRegister();
-
-// 检查本地WorkerId是否有效(0-有效,其它-无效)
-extern GoInt32 Validate(GoInt32 workerId);
-```
-
-## 已实现的语言
-
-| 语言 | github |
-| ---- | ---- |
-| 🌲 C# | [查看示例][1] |
-| 🌲 Java | [查看示例][2] |
-| 🌲 Go| [查看示例][3] |
-| 🌲 Rust | [查看示例][4] |
-| 🌲 Python | [查看示例][10] |
-| 🌲 C | [查看示例][5] |
-| 🌲 C (PHP扩展) | [查看示例][7] |
-| 🌲 Delphi (Pascal) | [查看示例][6] |
-| 🌲 JavaScript | [查看示例][8] |
-| 🌲 TypeScript | [查看示例][9] |
-| 🌲 V | [查看示例][6] |
-| 🌲 D | [查看示例][72] |
-
-
-## 技术支持
-
-开源地址:https://github.com/yitter/IdGenerator
-
-QQ群:646049993
-
-
-[comment]: <> ( ## 为什么用雪花ID?)
-[comment]: <> ( ❄ 因为大厂也在用,推特、百度、美团、滴滴等等。)
-[comment]: <> ( ❄ 雪花ID是走向分布式架构的垫脚石,如果只会Guid和数据库自增,怎敢说会分布式系统架构。)
-[comment]: <> ( ❄ 雪花ID适合小项目、大项目、超级大项目。)
-[comment]: <> ( ## 为什么不用大厂的?)
-[comment]: <> ( ❄ 首先,大厂们不但自己用雪花ID,而且还开源:[百度][81] | [美团][82] | [滴滴][83] | [Sony][84] | [雪花ID鼻祖-推特][80]。)
-[comment]: <> ( ❄ 然而,大厂的雪花算法分为“经典算法”和“号段算法”两种,其中“号段算法”依赖网络或外部存储系统,不适合“非大厂”,且存在无法反应业务时序的缺点。)
-[comment]: <> ( ❄ 至于其“经典算法”,在“ID长度和生成性能”方面,未做过优化,而这正式本算法——雪花漂移算法的核心所在。)
-
-
-[1]: https://github.com/yitter/idgenerator/tree/master/C%23.NET
-[2]: https://github.com/yitter/idgenerator/tree/master/Java
-[3]: https://github.com/yitter/idgenerator/tree/master/Go
-[4]: https://github.com/yitter/idgenerator/tree/master/Rust
-[5]: https://github.com/yitter/idgenerator/tree/master/C
-[6]: https://github.com/yitter/idgenerator/tree/master/Delphi
-[7]: https://github.com/yitter/idgenerator/tree/master/PHP
-[8]: https://github.com/yitter/IdGenerator/tree/master/JavaScript
-[9]: https://github.com/yitter/IdGenerator/tree/master/TypeScript
-[10]: https://github.com/yitter/IdGenerator/tree/master/Python
-
-[11]: https://github.com/yitter/idgenerator/tree/master/C%23.NET
-[21]: https://github.com/yitter/idgenerator/tree/master/Java
-[31]: https://github.com/yitter/idgenerator/tree/master/Go
-[41]: https://github.com/yitter/idgenerator/tree/master/Rust
-[51]: https://github.com/yitter/idgenerator/tree/master/C
-[61]: https://github.com/yitter/idgenerator/tree/master/Delphi
-[71]: https://github.com/yitter/idgenerator/tree/master/PHP
-
-[72]: https://github.com/yitter/idgenerator/tree/master/zzz-OtherLanguages/D
-[73]: https://github.com/yitter/idgenerator/tree/master/zzz-OtherLanguages/D
-
-[80]: https://github.com/twitter-archive/snowflake
-[81]: https://github.com/baidu/uid-generator
-[82]: https://github.com/Meituan-Dianping/Leaf
-[83]: https://github.com/didi/tinyid
-[84]: https://github.com/sony/sonyflake
-
+# 雪花算法中非常好用的数字ID生成器
+
+## 💎 最佳实践(置顶)
+
+针对大家在测试过程中,经常出现的性能问题,以下给出3组最佳实践配置:
+
+❄ 如果生成ID速度不超过5W/s,不用修改任何配置参数
+
+❄ 如果生成ID速度超过5W/s,低于50W,推荐修改:SeqBitLength=10
+
+❄ 如果生成ID速度超过50W/s,接近500W,推荐修改:SeqBitLength=12
+
+总之,增加 SeqBitLength 会让性能更高,但生成的 ID 也会更长。
+
+
+## 💎 算法介绍
+
+❄ 这是优化的雪花算法(雪花漂移),它生成的ID更短、速度更快。
+
+❄ 支持 k8s 等容器环境自动扩容(自动注册 WorkerId),可在单机或分布式环境生成数字型唯一ID。
+
+❄ 原生支持 C#/Java/Go/C/Rust/Python/Node.js/PHP(C扩展)/SQL/ 等语言,并提供多线程安全调用动态库(FFI)。
+
+❄ 兼容所有雪花算法(号段模式或经典模式,大厂或小厂),将来你可做任意的升级切换。
+
+❄ 这是计算机历史上最全面的雪花ID生成工具。【截至2022年8月】
+
+
+#### 需求来源
+
+💧 作为架构设计的你,想要解决数据库主键唯一的问题,特别是在分布式系统多数据库中。
+
+💧 你希望数据表主键用最少的存储空间,索引速度更快,Select、Insert 和 Update 更迅速。
+
+💧 你要考虑在分库分表(合库合表)时,主键值可直接使用,并能反映业务时序。
+
+💧 如果这样的主键值太长,超过前端 js Number 类型最大值,须把 Long 型转换为 String 型,你会觉得有点沮丧。
+
+💧 尽管 Guid 能自增,但占用空间大,索引速度慢,你不想用它。
+
+💧 应用实例可能超过50个,每个并发请求可达10W/s。
+
+💧 要在容器环境部署应用,支持水平复制、自动扩容。
+
+💧 不想依赖 redis 的自增操作获得连续的主键ID,因为连续的ID存在业务数据安全风险。
+
+💧 你希望系统运行 100 年以上。
+
+
+#### 传统算法问题
+
+❌ 生成的ID太长。
+
+❌ 瞬时并发量不够。
+
+❌ 不能解决时间回拨问题。
+
+❌ 不支持后补生成前序ID。
+
+❌ 可能依赖外部存储系统。
+
+
+#### 新算法特点
+
+✔ 整形数字,随时间单调递增(不一定连续),长度更短,用50年都不会超过 js Number类型最大值。(默认配置)
+
+✔ 速度更快,是传统雪花算法的2-5倍,0.1秒可生成50万个(基于8代低压i7)。
+
+✔ 支持时间回拨处理。比如服务器时间回拨1秒,本算法能自动适应生成临界时间的唯一ID。
+
+✔ 支持手工插入新ID。当业务需要在历史时间生成新ID时,用本算法的预留位能生成5000个每秒。
+
+✔ 不依赖任何外部缓存和数据库。(k8s环境下自动注册 WorkerId 的动态库依赖 redis)
+
+✔ 基础功能,开箱即用,无需配置文件、数据库连接等。
+
+
+#### 性能数据
+
+(参数:10位自增序列,1000次漂移最大值)
+| 连续请求量 | 5K | 5W | 50W |
+| ---- | ---- | ---- | ---- |
+| 传统雪花算法 | 0.0045s | 0.053s | 0.556s |
+| 雪花漂移算法 | 0.0015s | 0.012s | 0.113s |
+
+💍 极致性能:500W/s~3000W/s。(所有测试数据均基于8代低压i7计算)
+
+
+#### 如何处理时间回拨
+
+🔶 当发生系统时间回拨时,算法采用过去时序的预留序数生成新的ID。
+
+🔶 回拨生成的ID序号,默认靠前,也可以调整为靠后。
+
+🔶 允许时间回拨至本算法预设基数(参数可调)。
+
+
+## 💎 ID组成说明
+
+ * 本算法生成的ID由3部分组成(沿用雪花算法定义):
+ * +-------------------------+--------------+----------+
+ * | 1.相对基础时间的时间差 | 2.WorkerId | 3.序列数 |
+ * +-------------------------+--------------+----------+
+ *
+ * 第1部分,时间差,是生成ID时的系统时间减去 BaseTime 的总时间差(毫秒单位)。
+ * 第2部分,WorkerId,是区分不同机器或不同应用的唯一ID,最大值由 WorkerIdBitLength(默认6)限定。
+ * 第3部分,序列数,是每毫秒下的序列数,由参数中的 SeqBitLength(默认6)限定。
+
+#### ID示例
+
+🟣 本算法生成的 ID ,是整数(占用空间最多8字节),以下是基于默认配置生成的ID:
+```
+129053495681099 (运行1年,长度:15)
+387750301904971 (运行3年,长度:15)
+646093214093387 (运行5年,长度:15)
+1292658282840139 (运行10年,长度:16)
+9007199254740992 (运行70年,达到 js Number 最大值,长度:16)
+165399880288699493 (运行1000年,等同普通雪花算法运行1年,长度:18)
+```
+
+🟣 本算法生成的 ID 值,是 js Number 最大值的 1%-10%,是普通雪花算法值的千分之一,而生成速度却超过普通雪花算法。
+
+🟣 js Number 类型最大数值:9007199254740992,本算法在保持并发性能(5W+/0.01s)和最大64个 WorkerId(6bit)的同时,能用70年才到 js Number Max 值。
+
+
+### 长度估算
+
+```
+💍 每增加 1位 WorkerIdBitLength 或 SeqBitLength,生成的ID数字值将会乘以2(基础长度可参考前一节“ID示例”),反之则除以2。
+```
+
+### 能用多久
+
+能用多久的解释,是指生成的ID数字,何时能增长到超过 long(有符号64位,8字节)最大值。
+
+🔵 在默认配置下,ID可用 71000 年不重复。
+
+🔵 在支持 1024 个工作节点时,ID可用 4480 年不重复。
+
+🔵 在支持 4096 个工作节点时,ID可用 1120 年不重复。
+
+
+## 💎 参数设置
+
+❄ ***WorkerIdBitLength***,机器码位长,决定 WorkerId 的最大值,**默认值6**,取值范围 [1, 19],实际上有些语言采用 无符号 ushort (uint16) 类型接收该参数,所以最大值是16,如果是采用 有符号 short (int16),则最大值为15。
+
+❄ **WorkerId**,机器码,**最重要参数**,无默认值,必须 **全局唯一**(或相同 DataCenterId 内唯一),必须 **程序设定**,缺省条件(WorkerIdBitLength取默认值)时最大值63,理论最大值 2^WorkerIdBitLength-1(不同实现语言可能会限定在 65535 或 32767,原理同 WorkerIdBitLength 规则)。不同机器或不同应用实例 **不能相同**,你可通过应用程序配置该值,也可通过调用外部服务获取值。针对自动注册WorkerId需求,本算法提供默认实现:通过 redis 自动注册 WorkerId 的动态库,详见“Tools\AutoRegisterWorkerId”。
+
+**特别提示**:如果一台服务器部署多个独立服务,需要为每个服务指定不同的 WorkerId。
+
+❄ ***SeqBitLength***,序列数位长,**默认值6**,取值范围 [3, 21](建议不小于4),决定每毫秒基础生成的ID个数。如果每秒请求数不超过5W,保持默认值6即可;如果超过5W,不超过50W,建议赋值10或更大,以此类推。规则要求:WorkerIdBitLength + SeqBitLength 不超过 22。
+
+❄ ***MinSeqNumber***,最小序列数,默认值5,取值范围 [5, MaxSeqNumber],每毫秒的前5个序列数对应编号0-4是保留位,其中1-4是时间回拨相应预留位,0是手工新值预留位。
+
+❄ ***MaxSeqNumber***,最大序列数,设置范围 [MinSeqNumber, 2^SeqBitLength-1],默认值0,真实最大序列数取最大值(2^SeqBitLength-1),不为0时,取其为真实最大序列数,一般无需设置,除非多机共享WorkerId分段生成ID(此时还要正确设置最小序列数)。
+
+❄ ***BaseTime***,基础时间(也称:基点时间、原点时间、纪元时间),有默认值(2020年),是毫秒时间戳(是整数,.NET是DatetTime类型),作用是:用生成ID时的系统时间与基础时间的差值(毫秒数)作为生成ID的时间戳。基础时间一般无需设置,如果觉得默认值太老,你可以重新设置,不过要注意,这个值以后最好不变。
+
+
+第二版计划增加参数:
+
+❄ ***DataCenterId***,数据中心ID(机房ID,默认0),请确保全局唯一。
+
+❄ ***DataCenterIdBitLength***,数据中心ID长度(默认0)。
+
+❄ ***TimestampType***,时间戳类型(0-毫秒,1-秒),默认0。
+
+
+#### 常规集成
+
+1️⃣ 用单例模式调用。本算法采用单线程生成ID,多方调用会被互斥。在同一应用实例内,调用者使用多线程(或并行)方式调用本算法,不会增加ID产出速度。
+
+2️⃣ 指定唯一的 WorkerId。必须由外部系统确保 WorkerId 的全局唯一性,并赋值给本算法入口参数。
+
+3️⃣ 单机多实例部署时使用不同 WorkerId。并非所有实现都支持跨进程的并发唯一,保险起见,在同一主机上部署多应用实例时,请确保各 WorkerId 唯一。
+
+4️⃣ 异常处理。算法会抛出所有 Exception,外部系统应 catch 异常并做好应对处理,以免引发更大的系统崩溃。
+
+5️⃣ 认真理解 IdGeneratorOptions 的定义,这对集成和使用本算法有帮助。
+
+6️⃣ 使用雪花漂移算法。虽然代码里包含了传统雪花算法的定义,并且你可以在入口处指定(Method=2)来启用传统算法,但仍建议你使用雪花漂移算法(Method=1,默认的),毕竟它具有更好的伸缩力和更高的性能。
+
+7️⃣ 不要修改核心算法。本算法内部参数较多,逻辑较为复杂,在你尚未掌握核心逻辑时,请勿修改核心代码且用于生产环境,除非通过大量细致、科学的测试验证。
+
+8️⃣ 应用域内配置策略相同。当系统运行一段时间后,项目需要从程序指定 WorkerId 转到自动注册 WorkerId 时,请确保同一应用域内所有在用实例采用一致的配置策略,这不仅仅针对 WorkerId,也包含其他配置参数。
+
+9️⃣ 管理好服务器时间。雪花算法依赖系统时间,不要手工大幅度回调操作系统时间。如果一定要调整,切记:确保服务再次启动时的系统时间大于最后一次关闭时的时间。(注:世界级或网络级的时间同步或回拨,引起的系统时间小幅度变化,对本算法没影响)
+
+
+#### 配置变更
+
+配置变更是指系统运行一段时间后,再调整运行参数(IdGeneratorOptions 对象属性),请注意:
+
+🔴 1.首要原则是:BaseTime **只能更旧**(距现在更远),让生成的ID值较历史最大值更大,确保没有时间重叠区,不产生重复ID。[**不推荐** 在系统运行之后调整 BaseTime]
+
+🔴 2.任何时候增加 WorkerIdBitLength 或 SeqBitLength,都是允许的,但应慎用 “减小”操作,因为这可能导致在未来某天生成的 ID 与旧配置时相同。[允许在系统运行之后 **增加** 任何一个 xxxBitLength 值]
+
+🔴 3.如果必须减小 WorkerIdBitLength 或 SeqBitLength 其中的一项,一定要满足条件:新的两个 xxxBitLength 之和要大于旧值之和。[**不推荐** 在运行之后缩小任何一个 BitLength 值]
+
+🔴 4.上述3条规则,并未在本算法内做逻辑控制,使用者应在确认新配置符合要求后,再实施配置变更。
+
+
+## 自动注册WorkerId
+
+🔍 唯一ID生成器,依赖WorkerId,当业务服务需要水平无差别复制(自动扩容)时,这就要求能自动注册全局唯一WorkerId,然后才能生产唯一ID。
+
+🔍 本算法提供开源动态库(go语言实现),能在容器 k8s 等容器环境下,通过 redis 自动注册 WorkerId。
+
+🔍 通过redis注册WorkerId,并非唯一方法。你还可以开发中心化的配置服务,各端点服务启动时,通过中心服务获取唯一 WorkerId。
+
+🔍 当然,如果你的服务无需自动扩容,那就不必自动注册WorkerId,而是为它们分别设置全局唯一值。
+
+🔍 方法还有很多,例如:开发中心化的ID生成服务,由它为各端点服务(单个或批量)生成可用ID。
+
+
+#### 自动注册流程图
+
+图片链接:https://github.com/yitter/IdGenerator/blob/master/Tools/AutoRegisterWorkerId/regprocess.jpg
+
+源码路径:/Go/source/regworkerid/reghelper.go
+
+#### 动态库下载
+
+下载链接1:https://github.com/yitter/IdGenerator/releases/download/v1.3.1/regworkerid_lib_v1.3.1.zip
+
+#### 动态库接口定义
+```
+// 注册一个 WorkerId,会先注销所有本机已注册的记录
+// ip: redis 服务器地址
+// port: redis 端口
+// password: redis 访问密码,可为空字符串“”
+// maxWorkerId: 最大 WorkerId
+extern GoInt32 RegisterOne(char* ip, GoInt32 port, char* password, GoInt32 maxWorkerId);
+
+// 注销本机已注册的 WorkerId
+extern void UnRegister();
+
+// 检查本地WorkerId是否有效(0-有效,其它-无效)
+extern GoInt32 Validate(GoInt32 workerId);
+```
+
+## 已实现的语言
+
+| 语言 | github |
+| ---- | ---- |
+| 🌲 C# | [查看示例][1] |
+| 🌲 Java | [查看示例][2] |
+| 🌲 Go| [查看示例][3] |
+| 🌲 Rust | [查看示例][4] |
+| 🌲 Python | [查看示例][10] |
+| 🌲 C | [查看示例][5] |
+| 🌲 C (PHP扩展) | [查看示例][7] |
+| 🌲 Delphi (Pascal) | [查看示例][6] |
+| 🌲 JavaScript | [查看示例][8] |
+| 🌲 TypeScript | [查看示例][9] |
+| 🌲 V | [查看示例][6] |
+| 🌲 D | [查看示例][72] |
+
+
+## 技术支持
+
+开源地址:https://github.com/yitter/IdGenerator
+
+QQ群:646049993
+
+
+[comment]: <> ( ## 为什么用雪花ID?)
+[comment]: <> ( ❄ 因为大厂也在用,推特、百度、美团、滴滴等等。)
+[comment]: <> ( ❄ 雪花ID是走向分布式架构的垫脚石,如果只会Guid和数据库自增,怎敢说会分布式系统架构。)
+[comment]: <> ( ❄ 雪花ID适合小项目、大项目、超级大项目。)
+[comment]: <> ( ## 为什么不用大厂的?)
+[comment]: <> ( ❄ 首先,大厂们不但自己用雪花ID,而且还开源:[百度][81] | [美团][82] | [滴滴][83] | [Sony][84] | [雪花ID鼻祖-推特][80]。)
+[comment]: <> ( ❄ 然而,大厂的雪花算法分为“经典算法”和“号段算法”两种,其中“号段算法”依赖网络或外部存储系统,不适合“非大厂”,且存在无法反应业务时序的缺点。)
+[comment]: <> ( ❄ 至于其“经典算法”,在“ID长度和生成性能”方面,未做过优化,而这正式本算法——雪花漂移算法的核心所在。)
+
+
+[1]: https://github.com/yitter/idgenerator/tree/master/C%23.NET
+[2]: https://github.com/yitter/idgenerator/tree/master/Java
+[3]: https://github.com/yitter/idgenerator/tree/master/Go
+[4]: https://github.com/yitter/idgenerator/tree/master/Rust
+[5]: https://github.com/yitter/idgenerator/tree/master/C
+[6]: https://github.com/yitter/idgenerator/tree/master/Delphi
+[7]: https://github.com/yitter/idgenerator/tree/master/PHP
+[8]: https://github.com/yitter/IdGenerator/tree/master/JavaScript
+[9]: https://github.com/yitter/IdGenerator/tree/master/TypeScript
+[10]: https://github.com/yitter/IdGenerator/tree/master/Python
+
+[11]: https://github.com/yitter/idgenerator/tree/master/C%23.NET
+[21]: https://github.com/yitter/idgenerator/tree/master/Java
+[31]: https://github.com/yitter/idgenerator/tree/master/Go
+[41]: https://github.com/yitter/idgenerator/tree/master/Rust
+[51]: https://github.com/yitter/idgenerator/tree/master/C
+[61]: https://github.com/yitter/idgenerator/tree/master/Delphi
+[71]: https://github.com/yitter/idgenerator/tree/master/PHP
+
+[72]: https://github.com/yitter/idgenerator/tree/master/zzz-OtherLanguages/D
+[73]: https://github.com/yitter/idgenerator/tree/master/zzz-OtherLanguages/D
+
+[80]: https://github.com/twitter-archive/snowflake
+[81]: https://github.com/baidu/uid-generator
+[82]: https://github.com/Meituan-Dianping/Leaf
+[83]: https://github.com/didi/tinyid
+[84]: https://github.com/sony/sonyflake
+