1、高并发情况下，生成分布式全局id策略

2、利用全球唯一UUID生成订单号优缺点

3、基于数据库自增或者序列生成订单号

4、数据库集群如何考虑数据库自增唯一性

5、基于Redis生成生成全局id策略

6、Twitter的Snowflake算法生成全局id

7、基于Zookeeper生成全局id

 

 

高并发情况下，生成分布式全局id策略

1、注意幂等性且全局唯一性

2、注意安全性，不能被猜疑

3、趋势递增性

订单号命名规则:比如“业务编码 + 时间戳 + 机器编号[前4位] + 随机4位数 + 毫秒数”。

 

利用全球唯一UUID生成订单号

UUID基本概念:

UUID是指在一台机器上生成的数字，它保证对在同一时空中的所有机器都是唯一的。

UUID组成部分:当前日期和时间+时钟序列+随机数+全局唯一的IEEE机器识别号

全局唯一的IEEE机器识别号:如果有网卡，从网卡MAC地址获得，没有网卡以其他方式获得。

UUID优缺点:

优点:

简单，代码方便

生成ID性能非常好，基本不会有性能问题

全球唯一，在遇见数据迁移，系统数据合并，或者数据库变更等情况下，可以从容应对

缺点:

没有排序，无法保证趋势递增

UUID往往是使用字符串存储，查询的效率比较低

存储空间比较大，如果是海量数据库，就需要考虑存储量的问题。

传输数据量大

 

UUID不需要联网生成，redis需要。

 

基于数据库自增方式

实现思路：利用数据库自增或者序列号方式实现订单号

注意：在数据库集群环境下，默认自增方式存在问题，因为都是从1开始自增，可能会存在重复，应该设置每台不同数据库自增的间隔方式不同。

优点:

简单，代码方便，性能可以接受。

数字ID天然排序，对分页或者需要排序的结果很有帮助。

缺点:

不同数据库语法和实现不同，数据库迁移的时候或多数据库版本支持的时候需要处理。

在性能达不到要求的情况下，比较难于扩展。

在单个数据库或读写分离或一主多从的情况下，只有一个主库可以生成。有单点故障的风险。

分表分库的时候会有麻烦。

 

数据库集群如何考虑数据库自增唯一性

在数据库集群环境下，默认自增方式存在问题，因为都是从1开始自增，可能会存在重复，应该设置每台节点自增步长不同。

查询自增的步长

SHOW VARIABLES LIKE 'auto_inc%'

修改自增的步长

SET @@auto_increment_increment=10;    

修改起始值

SET @@auto_increment_offset=5;

假设有两台mysql数据库服务器

节点①自增 1 3 5 7 9 11 ….

节点②自增 2 4 6 8 10 12 ….

注意:在最开始设置好了每台节点自增方式步长后，确定好了mysql集群数量后，无法扩展新的mysql，不然生成步长的规则可能会发生变化。

 

MySQL1    1 2 3

MySQL2    1 2 3

  方法1   读写分离

  方法2  设置自增步长        需要提前设置好步长  否则如果新增一台MySQL就麻烦了

             如果想提高扩展性 采用UUID方式作为主键

 

 

基于Redis生成生成全局id策略

因为Redis是单线的，天生保证原子性，可以使用Redis的原子操作 INCR和INCRBY来实现

优点:

不依赖于数据库，灵活方便，且性能优于数据库。

数字ID天然排序，对分页或者需要排序的结果很有帮助。

缺点:

如果系统中没有Redis，还需要引入新的组件，增加系统复杂度。

需要编码和配置的工作量比较大。

注意:在Redis集群情况下，同样和Redis一样需要设置不同的增长步长，同时key一定要设置有效期

可以使用Redis集群来获取更高的吞吐量。假如一个集群中有5台Redis。可以初始化每台Redis的值分别是1,2,3,4,5，然后步长都是5。各个Redis生成的ID为：

A：1,6,11,16,21

B：2,7,12,17,22

C：3,8,13,18,23

D：4,9,14,19,24

E：5,10,15,20,25

比较适合使用Redis来生成每天从0开始的流水号。比如订单号=日期+当日自增长号。可以每天在Redis中生成一个Key，使用INCR进行累加。

如果生成的订单号超过自增增长的话，可以采用前缀+自增+并且设置有效期

 

 

当前日期-5位自增

统一时间 最多生成10w-1个不重复的

 

假设双十一 每秒99w订单

   

package com.toov5.controller;import org.springframework.beans.factory.annotation.Autowired;import org.springframework.data.redis.core.RedisTemplate;import org.springframework.data.redis.support.atomic.RedisAtomicLong;import org.springframework.web.bind.annotation.RequestMapping;import org.springframework.web.bind.annotation.RestController;@RestControllerpublic class OrderController {    @Autowired    private RedisTemplate redisTemplate;       @RequestMapping("/order")       public Long order(String key) {              RedisAtomicLong redisAtomicLong = new RedisAtomicLong(key, redisTemplate.getConnectionFactory() );       long andIncrement = redisAtomicLong.getAndIncrement();       return andIncrement;          }}

 补零：

import org.springframework.beans.factory.annotation.Autowired;import org.springframework.data.redis.core.RedisTemplate;import org.springframework.data.redis.support.atomic.RedisAtomicLong;import org.springframework.web.bind.annotation.RequestMapping;import org.springframework.web.bind.annotation.RestController;@RestControllerpublic class OrderController {    @Autowired    private RedisTemplate redisTemplate;       @RequestMapping("/order")       public String order(String key) {              RedisAtomicLong redisAtomicLong = new RedisAtomicLong(key, redisTemplate.getConnectionFactory() );       long increment = redisAtomicLong.getAndIncrement();       String id = String.format("%1$05d", increment);  //5位数       return id;          }}

 

 

 加上前缀：

import java.text.SimpleDateFormat;import java.util.Date;import org.springframework.beans.factory.annotation.Autowired;import org.springframework.data.redis.core.RedisTemplate;import org.springframework.data.redis.support.atomic.RedisAtomicLong;import org.springframework.web.bind.annotation.RequestMapping;import org.springframework.web.bind.annotation.RestController;@RestControllerpublic class OrderController {    @Autowired    private RedisTemplate redisTemplate;       @RequestMapping("/order")       public String order(String key) {              RedisAtomicLong redisAtomicLong = new RedisAtomicLong(key, redisTemplate.getConnectionFactory() );       long increment = redisAtomicLong.getAndIncrement();       String id =prefix()+"-"+String.format("%1$05d", increment);  //5位数       return id;          }      public static String prefix() {        String temp_str = "";        Date dt = new Date();        // 最后的aa表示“上午”或“下午” HH表示24小时制 如果换成hh表示12小时制        SimpleDateFormat sdf = new SimpleDateFormat("yyyyMMddHHmmss");        temp_str = sdf.format(dt);        return temp_str;    }}

 

   

 

 

 Redis如果做集群，会产生重复的问题！

   

@RequestMapping("/order1")    public String order1(String key) {        RedisAtomicLong redisAtomicLong = new RedisAtomicLong(key, redisTemplate.getConnectionFactory());        // // 起始值        // redisAtomicLong.set(10);        // 设置步长加10!!!!        redisAtomicLong.addAndGet(9);        return redisAtomicLong.incrementAndGet() + "";    }

 

 redis 的key的失效时间问题！

   24h  第二天时间变了 不会重复了哦

 

 

Twitter的snowflake(雪花)算法  （跟UUID一样不用联网）

snowflake是Twitter开源的分布式ID生成算法，结果是一个long型的ID。其核心思想是：

高位随机+毫秒数+机器码（数据中心+机器id）+10位的流水号码

Github地址: https://github.com/twitter-archive/snowflake

Snowflake 原理:

snowflake生产的ID是一个18位的long型数字，二进制结构表示如下(每部分用-分开):

0 - 00000000 00000000 00000000 00000000 00000000 0 - 00000 - 00000 - 00000000 0000

第一位未使用，接下来的41位为毫秒级时间(41位的长度可以使用69年，从1970-01-01 08:00:00)，然后是5位datacenterId（最大支持2^5＝32个，二进制表示从00000-11111，也即是十进制0-31），和5位workerId（最大支持2^5＝32个，原理同datacenterId），所以datacenterId*workerId最多支持部署1024个节点，最后12位是毫秒内的计数（12位的计数顺序号支持每个节点每毫秒产生2^12＝4096个ID序号）.所有位数加起来共64位，恰好是一个Long型（转换为字符串长度为18）.单台机器实例，通过时间戳保证前41位是唯一的，分布式系统多台机器实例下，通过对每个机器实例分配不同的datacenterId和workerId避免中间的10位碰撞。最后12位每毫秒从0递增生产ID，再提一次：每毫秒最多生成4096个ID，每秒可达4096000个。