需求:

每个店铺都可以发布优惠券,而每张优惠券都是唯一的。当用户抢购时,就会生成订单并保存到 tb_voucher_order 这张表中,而订单表如果使用数据库自增 ID 就存在一些问题:

  • id 的规律太明显。如果 id 规律太明显,用户就能够根据 id 猜测出一些信息。比方说,某用户第一天下了一单,此时 id 为 10,第二天同一时刻,该用户又下了一单,此时 id 为 100,那么用户就能够推断出昨天一天店家卖出了 90 单,这就将一些信息暴露给用户。
  • 受单表数据量的限制。订单的一个特点就是数据量比较大,只要用户不停地产生购买行为,就会不停地产生新的订单。如果网站做到一定的规模,用户量达到数百万,这时候每天都会产生数十万甚至近百万的订单,一年下来就会达到数千万的订单,那么两年三年不断累积下来,订单量就会越来越庞大,此时单张表就无法保存这么多的订单数据,就需要将单张表拆分成多张表。MySQL 的每张表会自己计算自己的自增长,如果每张表都使用自增长,订单 id 就一定会重复。

全局 ID 生成器,是一种在分布式系统下用来生成全局唯一 ID 的工具,一般要满足下列特性:

  • 唯一性
  • 高可用
  • 高性能
  • 递增型
  • 安全性

为了增加 ID 的安全性,我们可以不直接使用 Redis 自增的数值,而是拼接一些其它信息:

订单号 自增 redis redis生成唯一订单号_redis

 

ID 组成部分:

  • 符号位:1 bit,永远为 0
  • 时间戳:31 bit,以秒为单位,可以使用 69 年
  • 序列号:32 bit,秒内的计数器,支持每秒产生 2^32 个不同的 ID

代码实现 

@Component
public class RedisIdWorker {

    private static final long BEGIN_TIMESTAMP = 1640995200L;

    private static int COUNT_BITS = 32;

    @Autowired
    private StringRedisTemplate stringRedisTemplate;

    public Long nextId(String keyPrefix) {
        //获取当前时间
        LocalDateTime now = LocalDateTime.now();
        //获取当前时间得秒数
        long nowSecond = now.toEpochSecond(ZoneOffset.UTC);
        long time = nowSecond - BEGIN_TIMESTAMP;

        String format = now.format(DateTimeFormatter.ofPattern("yyyy:MM:dd"));
        // Redis Incrby 命令将 key 中储存的数字加上指定的增量值。
        // 如果 key 不存在,那么 key 的值会先被初始化为 0 ,然后再执行 INCRBY 命令。
        Long count = stringRedisTemplate.opsForValue().increment("icr:" + keyPrefix + ":" + format);

        return time << COUNT_BITS | count;
    }

    // public static void main(String[] args) {
    //        LocalDateTime of = LocalDateTime.of(2022, 1, 1, 0, 0, 0);
    //        long l = of.toEpochSecond(ZoneOffset.UTC);
    //        // LocalTime类的toEpochSecond()方法用于
    //        // 将此LocalTime转换为自1970-01-01T00:00:00Z以来的秒数
    //        System.out.println(l);
    // }
}

测试

@SpringBootTest
class HmDianPingApplicationTests {

    @Autowired
    private RedisIdWorker redisIdWorker;

    private ExecutorService es = Executors.newFixedThreadPool(500);

    @Test
    void testIdWorker() throws InterruptedException {
        CountDownLatch latch = new CountDownLatch(300);
        Runnable task = () -> {
            for (int i = 0; i < 100; i++) {
                Long id = redisIdWorker.nextId("order");
                System.out.println("id = " + id);
            }
            latch.countDown();
        };
        long begin = System.currentTimeMillis();
        for (int i = 0; i < 300; i++) {
            es.submit(task);
        }
        latch.await();
        long end = System.currentTimeMillis();
        System.out.println("time = " + (end - begin));
    }

}

 总结

全局唯一 ID 生成策略:

  1. UUID:16进制的字符串ID,可以做唯一ID,但不支持自增
  2. Redis 自增
  3. snowflake 雪花算法:long 类型的 64 ID,性能更好,但是比较依赖于时钟,如果时间不准确,可能会出现异常问题
  4. 数据库自增:单独创建一张表,用于实现自增

Redis 自增 ID 策略:

  1. 每天一个 key,方便统计订单量
  2. ID 构造是 时间戳 + 计数器