在 SpringBoot 中设计一个订单号生成系统

 ​

 博客主页:     南来_北往

系列专栏：Spring Boot实战

---

引言

在Spring Boot中设计一个订单号生成系统，主要考虑到生成的订单号需要满足的几个要求：唯一性、可扩展性、以及可能的业务相关性。以下是几种常见的解决方案及相应的示例代码：

1. UUID 

最简单的方法是使用UUID生成唯一的订单号。UUID（Universally Unique Identifier）是一种广泛使用的标识符，由128位组成，通常以32个十六进制数字表示，分为五组，形式为8-4-4-4-12的字符串，例如123e4567-e89b-12d3-a456-426614174000。

UUID全球唯一，实现简单，但缺点是UUID较长，不易记忆和存储。

实例代码

Java中生成UUID的示例代码如下：

public class UUIDGenerator {

    public static String generateUUID() {
        // 生成一个UUID
        UUID uuid = UUID.randomUUID();
        
        // 将UUID转换为字符串
        String uuidAsString = uuid.toString();
        
        // 返回UUID字符串
        return uuidAsString;
    }

    public static void main(String[] args) {
        String uuid = generateUUID();
        System.out.println("Generated UUID: " + uuid);
    }
}

 2. 数据库序列或自增ID

// 假设使用JPA
@Entity
public class Order {
    @Id
    @GeneratedValue(strategy = GenerationType.AUTO)
    private Long id;
    
    // 其他属性
}

 数据库序列（如PostgreSQL的SEQUENCE）

CREATE SEQUENCE order_id_seq START WITH 1 INCREMENT BY 1;

CREATE TABLE orders (
    order_id bigint NOT NULL DEFAULT nextval('order_id_seq'),
    order_data text
);

 自增ID（如MySQL的AUTO_INCREMENT）

CREATE TABLE orders (
    order_id INT AUTO_INCREMENT,
    order_data TEXT,
    PRIMARY KEY (order_id)
);

3. 时间戳+随机数/序列

结合时间戳和随机数（或自定义序列）生成订单号，以保证唯一性和可读性。可以通过添加业务相关的前缀来增强业务相关性。

实例代码

以下是一个简单的Java示例，展示了如何结合时间戳、随机数和业务前缀生成订单号：

public class OrderNumberGenerator {

    private static final SimpleDateFormat dateFormat = new SimpleDateFormat("yyyyMMddHHmmss");
    private static final int RANDOM_NUM_BOUND = 10000; // 定义随机数范围

    public static String generateOrderNumber(String prefix) {
        // 生成时间戳部分
        String timestamp = dateFormat.format(new Date());
        
        // 生成随机数部分
        int randomNumber = ThreadLocalRandom.current().nextInt(RANDOM_NUM_BOUND);
        
        // 组合成订单号
        return prefix + timestamp + String.format("%04d", randomNumber);
    }

    public static void main(String[] args) {
        // 示例：生成订单号，假设业务前缀为"ORD"
        String orderNumber = generateOrderNumber("ORD");
        System.out.println("Generated Order Number: " + orderNumber);
    }
}

 4. 分布式唯一ID生成方案

 

在分布式系统中，可以使用像Twitter的Snowflake算法生成唯一的ID。Snowflake算法可以生成一个64位的长整数，其中包含时间戳、数据中心ID、机器ID和序列号，以确保生成的ID既唯一又有序。

Snowflake ID结构

Snowflake生成的64位ID可以分为以下几个部分：

• 1位符号位： 由于整数的最高位是符号位，且64位整数中的最高位为符号位，通常这一位为0，保证ID为正数。

• 41位时间戳位： 记录时间戳的差值（相对于某个固定的时间点），单位到毫秒。41位时间戳可以使用69年。

• 10位数据中心ID和机器ID： 通常分为5位数据中心ID和5位机器ID，最多支持32个数据中心，每个数据中心最多支持32台机器。

• 12位序列号： 用来记录同一毫秒内生成的不同ID，12位序列号支持每个节点每毫秒产生4096个ID序号。

以下是一个简化的Snowflake算法实现示例：

public class SnowflakeIdGenerator {

    private long datacenterId; // 数据中心ID
    private long machineId;    // 机器ID
    private long sequence = 0L; // 序列号
    private long lastTimestamp = -1L; // 上一次时间戳

    private final long twepoch = 1288834974657L;
    private final long datacenterIdBits = 5L;
    private final long machineIdBits = 5L;
    private final long maxDatacenterId = -1L ^ (-1L << datacenterIdBits);
    private final long maxMachineId = -1L ^ (-1L << machineIdBits);
    private final long sequenceBits = 12L;

    private final long machineIdShift = sequenceBits;
    private final long datacenterIdShift = sequenceBits + machineIdBits;
    private final long timestampLeftShift = sequenceBits + machineIdBits + datacenterIdBits;
    private final long sequenceMask = -1L ^ (-1L << sequenceBits);

    public SnowflakeIdGenerator(long datacenterId, long machineId) {
        if (datacenterId > maxDatacenterId || datacenterId < 0) {
            throw new IllegalArgumentException("datacenterId can't be greater than %d or less than 0");
        }
        if (machineId > maxMachineId || machineId < 0) {
            throw new IllegalArgumentException("machineId can't be greater than %d or less than 0");
        }
        this.datacenterId = datacenterId;
        this.machineId = machineId;
    }

    public synchronized long nextId() {
        long timestamp = System.currentTimeMillis();

        if (timestamp < lastTimestamp) {
            throw new RuntimeException("Clock moved backwards. Refusing to generate id");
        }

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

        lastTimestamp = timestamp;

        return ((timestamp - twepoch) << timestampLeftShift) |
                (datacenterId << datacenterIdShift) |
                (machineId << machineIdShift) |
                sequence;
    }

    private long tilNextMillis(long lastTimestamp) {
        long timestamp = System.currentTimeMillis();
        while (timestamp <= lastTimestamp) {
            timestamp = System.currentTimeMillis();
        }
        return timestamp;
    }
}

下面是对这段代码的逐行解释：

类定义和变量初始化

• private long datacenterId; 定义数据中心ID。

• private long machineId; 定义机器ID。

• private long sequence = 0L; 序列号，用于同一毫秒内生成多个ID时区分这些ID。

• private long lastTimestamp = -1L; 上一次生成ID的时间戳。

以下是Snowflake算法的一些关键参数：

• private final long twepoch = 1288834974657L; 系统的起始时间戳，这里是Snowflake算法的作者选择的一个固定的时间点（2010-11-04 09:42:54.657 GMT）。

• private final long datacenterIdBits = 5L; 数据中心ID所占的位数。

• private final long machineIdBits = 5L; 机器ID所占的位数。

• private final long maxDatacenterId = -1L ^ (-1L << datacenterIdBits); 数据中心ID的最大值，这里通过位运算计算得出。

• private final long maxMachineId = -1L ^ (-1L << machineIdBits); 机器ID的最大值，同样通过位运算得出。

• private final long sequenceBits = 12L; 序列号占用的位数。

以下是一些用于位运算的参数，用于计算最终的ID：

• private final long machineIdShift = sequenceBits; 机器ID的偏移位数。

• private final long datacenterIdShift = sequenceBits + machineIdBits; 数据中心ID的偏移位数。

• private final long timestampLeftShift = sequenceBits + machineIdBits + datacenterIdBits; 时间戳的偏移位数。

• private final long sequenceMask = -1L ^ (-1L << sequenceBits); 用于保证序列号在指定范围内循环。

构造函数

构造函数SnowflakeIdGenerator(long datacenterId, long machineId)接收数据中心ID和机器ID作为参数，并对这些参数进行校验，确保它们在合法范围内。

ID生成方法

public synchronized long nextId()是生成ID的核心方法，使用synchronized保证线程安全。

• 首先获取当前时间戳。

• 如果当前时间戳小于上一次生成ID的时间戳，抛出异常，因为时钟回拨会导致ID重复。

• 如果当前时间戳等于上一次的时间戳（即同一毫秒内），通过增加序列号生成不同的ID；如果序列号溢出（超过最大值），则等待到下一个毫秒。

• 如果当前时间戳大于上一次的时间戳，重置序列号为0。

• 最后，将时间戳、数据中心ID、机器ID和序列号按照各自的偏移量左移，然后进行位或运算，组合成一个64位的ID。

辅助方法

private long tilNextMillis(long lastTimestamp)是一个辅助方法，用于在序列号溢出时等待直到下一个毫秒。