雪花算法之【线上订单号重复了?一招搞定它!】

Posted

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了雪花算法之【线上订单号重复了?一招搞定它!】相关的知识,希望对你有一定的参考价值。

参考技术A

公司老的系统原先采用的时间戳生成订单号,导致了如下情形

打断一下:大家知道怎么查系统某项重复的数据吧

不得了,这样重复岂不是一单成功三方回调导致另一单也成功了。

多个服务怎么保证生成的订单号唯一呢?

先上code

以上是采用snowflake算法生成分布式唯一ID

41-bit的时间可以表示 (1L<<41)/(1000L360024*365)=69 年的时间,10-bit机器可以分别表示1024台机器。如果我们对IDC划分有需求,还可以将10-bit分5-bit给IDC,分5-bit给工作机器。

这样就可以表示32个IDC,每个IDC下可以有32台机器,可以根据自身需求定义。12个自增序列号可以表示 2^12 个ID,理论上snowflake方案的QPS约为 409.6w/s ,这种分配方式可以保证在任何一个IDC的任何一台机器在任意毫秒内生成的ID都是不同的。

这种方式的优缺点是:

优点:

缺点:

一般来说,采用这种方案就解决了。

还有诸如,mysql的 auto_increment策略,redis的INCR,zookeeper的单一节点修改版本号递增,以及zookeeper的持久顺序节点。

线上订单号重复了?一招搞定它!

点击关注公众号,实用技术文章及时了解

问题的背景

公司老的系统原先采用的时间戳生成订单号,导致了如下情形

打断一下:大家知道怎么查系统某项重复的数据吧

SELECT * FROM XX表 WHERE 重复项 in( SELECT 重复项 FROM XX表 GROUP BY 重复项 HAVING count(1) >= 2)

解决方法

不得了,这样重复岂不是一单成功三方回调导致另一单也成功了。

多个服务怎么保证生成的订单号唯一呢?

先上code

package com.zhongjian.util;

public class IdWorkerUtil

    private long workerId;
    private long datacenterId;
    private long sequence;

    public IdWorkerUtil(long workerId, long datacenterId, long sequence)
        // sanity check for workerId
        if (workerId > maxWorkerId || workerId < 0) 
            throw new IllegalArgumentException(String.format("worker Id can't be greater than %d or less than 0",maxWorkerId));
        
        if (datacenterId > maxDatacenterId || datacenterId < 0) 
            throw new IllegalArgumentException(String.format("datacenter Id can't be greater than %d or less than 0",maxDatacenterId));
        
        System.out.printf("worker starting. timestamp left shift %d, datacenter id bits %d, worker id bits %d, sequence bits %d, workerid %d",
                timestampLeftShift, datacenterIdBits, workerIdBits, sequenceBits, workerId);

        this.workerId = workerId;
        this.datacenterId = datacenterId;
        this.sequence = sequence;
    

    private long twepoch = 1288834974657L;

    private long workerIdBits = 5L;
    private long datacenterIdBits = 5L;
    private long maxWorkerId = -1L ^ (-1L << workerIdBits);
    private long maxDatacenterId = -1L ^ (-1L << datacenterIdBits);
    private long sequenceBits = 12L;

    private long workerIdShift = sequenceBits;
    private long datacenterIdShift = sequenceBits + workerIdBits;
    private long timestampLeftShift = sequenceBits + workerIdBits + datacenterIdBits;
    private long sequenceMask = -1L ^ (-1L << sequenceBits);

    private long lastTimestamp = -1L;

    public long getWorkerId()
        return workerId;
    

    public long getDatacenterId()
        return datacenterId;
    

    public long getTimestamp()
        return System.currentTimeMillis();
    

    public synchronized long nextId() 
        long timestamp = timeGen();

        if (timestamp < lastTimestamp) 
            System.err.printf("clock is moving backwards.  Rejecting requests until %d.", lastTimestamp);
            throw new RuntimeException(String.format("Clock moved backwards.  Refusing to generate id for %d milliseconds",
                    lastTimestamp - timestamp));
        

        if (lastTimestamp == timestamp) 
            sequence = (sequence + 1) & sequenceMask;
            if (sequence == 0) 
                timestamp = tilNextMillis(lastTimestamp);
            
         else 
            sequence = 0;
        

        lastTimestamp = timestamp;
        return ((timestamp - twepoch) << timestampLeftShift) |
                (datacenterId << datacenterIdShift) |
                (workerId << workerIdShift) |
                sequence;
    

    private long tilNextMillis(long lastTimestamp) 
        long timestamp = timeGen();
        while (timestamp <= lastTimestamp) 
            timestamp = timeGen();
        
        return timestamp;
    

    private long timeGen()
        return System.currentTimeMillis();
    

    public static void main(String[] args) 
        IdWorkerUtil idWorkerUtil = new IdWorkerUtil(1,1,0L);
        System.out.println(idWorkerUtil.nextId());
    

以上是采用snowflake算法生成分布式唯一ID

41-bit的时间可以表示(1L<<41)/(1000L360024*365)=69年的时间,10-bit机器可以分别表示1024台机器。如果我们对IDC划分有需求,还可以将10-bit分5-bit给IDC,分5-bit给工作机器。

这样就可以表示32个IDC,每个IDC下可以有32台机器,可以根据自身需求定义。12个自增序列号可以表示2^12个ID,理论上snowflake方案的QPS约为409.6w/s,这种分配方式可以保证在任何一个IDC的任何一台机器在任意毫秒内生成的ID都是不同的。

这种方式的优缺点是:

优点:

  • 毫秒数在高位,自增序列在低位,整个ID都是趋势递增的。

  • 不依赖数据库等第三方系统,以服务的方式部署,稳定性更高,生成ID的性能也是非常高的。

  • 可以根据自身业务特性分配bit位,非常灵活。

缺点:

  • 强依赖机器时钟,如果机器上时钟回拨,会导致发号重复或者服务会处于不可用状态。

一般来说,采用这种方案就解决了。

还有诸如,mysql的 auto_increment策略,redis的INCR,zookeeper的单一节点修改版本号递增,以及zookeeper的持久顺序节点。

看完点个赞呗~

参考

  • https://tech.meituan.com/2017/04/21/mt-leaf.html

  • https://www.cnblogs.com/qianzhengkai/p/11151613.html

来源:blog.csdn.net/xk4848123/article/

details/105427680

推荐

主流Java进阶技术(学习资料分享)

Java面试题宝典

加入Spring技术开发社区

PS:因为公众号平台更改了推送规则,如果不想错过内容,记得读完点一下“在看”,加个“星标”,这样每次新文章推送才会第一时间出现在你的订阅列表里。点“在看”支持我们吧!

以上是关于雪花算法之【线上订单号重复了?一招搞定它!】的主要内容,如果未能解决你的问题,请参考以下文章

线上订单号重复了?一招搞定它!

厉害了,美女同事用单例模式实现了雪花算法!

雪花算法自动生成订单id

分布式唯一ID生成算法-雪花算法

SnowFlake(雪花算法)

PHP实现生成唯一id的雪花算法