20200103 高并发情况下id唯一生成器

互联网快速发展的今天，分布式应用系统已经见怪不怪，在分布式系统中，我们需要各种各样的ID，既然是ID那么必然是要保证全局唯一，除此之外，不同的业务还需要不同的特性，比如像并发巨大的业务要求ID生成效率高，吞吐大；比如某些银行类业务，需要按每日日期制定交易流水号；又比如我们希望用户的ID是随机的，无序的，纯数字的，且位数长度是小于10位的。等等，不同的业务场景需要的ID特性各不一样，于是，衍生了各种ID生成器。本文讲的订单号就是其中一种业务id，下面结合订单业务需求，介绍订单号的生成策略。

特征：全局唯一，不重复；安全性；性能；id生成效率高。订单号生策略。

支付中心多台部署，能够保证订单id唯一么？

 

业务需求：

1）订单号不能重复

2）订单号没有规则，即编码规则不能加入任何和公司运营相关的数据，外部人员无法通过订单ID猜测到订单量。不能被遍历。

3）订单号长度固定，且不能太长

4）易读，易沟通，不要出现数字字母换乱现象

5）生成耗时（生成效率高低）

 

关于订单号的生成，一些比较简单的方案：

1、数据库自增长ID

优势：无需编码

缺陷：

1）大表不能做水平分表，否则插入删除时容易出现问题（单表处理，不能分表）。

2）高并发下插入数据需要加入事务机制

3）在业务操作父、子表（关联表）插入时，先要插入父表，再插入子表；

 

2、时间戳+随机数

优势：编码简单

缺陷：随机数存在重复问题，即使在相同的时间戳下。每次插入数据库前需要校验下是否已经存在相同的数值。（每次校验是否存在该订单号，不存在才能插入，同一张表）

 

3、时间戳+会员ID

优势：同一时间，一个用户不会存在两张订单

缺陷：会员ID也会透露运营数据，鸡生蛋，蛋生鸡的问题

例如:S+yyMMddHHmmss+Math.abs(memberId.hashCode());[说明memberId为uuid的，String的hashCode唯一，而hashcode可能为负数] 哈希值长度不同。

 

4、UUID

优势：简单。劣势：用户不友好，索引关联效率较低。

UUID全称：Universally Unique Identifier，即通用唯一识别码。

UUID是由一组32位数的16进制数字所构成，所以理论上UUID的总数为16^32=2^128，约等于3.4*10^38。也就是说每纳秒产生1兆个UUID，要花100亿年才会将所有UUID用完。

UUID的标准形式包含32个16进制数字，以连字号分为五段，形式为8-4-4-4-12的32个字符，如：550e8400-e19b-41d4-a716-446655440000。

 

5、twitter的SnowFlake

Twitter-Snowflake算法产生的背景相当简单，为了满足Twitter每秒上万条消息的请求，每条消息都必须分配一条唯一的id，这些id还需要一些大致的顺序（方便客户端排序），并且在分布式系统中不同机器产生的id必须不同.Snowflake算法核心把时间戳，工作机器id，序列号(毫秒级时间41位+机器ID 10位+毫秒内序列12位)组合在一起。

 

 

除了最高位bit标记为不可用以外，其余三组bit占位均可浮动，看具体的业务需求而定。默认情况下41bit的时间戳可以支持该算法使用到2082年，10bit的工作机器id可以支持1023台机器，序列号支持1毫秒产生4095个自增序列id。

时间戳+机器id+序列号。

snowflake算法是一款本地生成的（ID生成过程不依赖任何中间件，无网络通信），保证ID全局唯一，并且ID总体有序递增，性能每秒生成300w＋。 总体有序递增。

 

此方法可能存在id重复的问题，谨慎使用

        StringBuilder idBuilder = new StringBuilder();
        idBuilder.append(System.currentTimeMillis());
        System.out.println(idBuilder.toString());


        String userIdStr = "123456789".toString();
        if (userIdStr.length() <= 4) {
            idBuilder.append(userIdStr);
        } else {
            idBuilder.append(userIdStr.substring(userIdStr.length() - 4));
        }

        Random random = new Random();
        int randomPart = random.nextInt(99) + 1;
        if (randomPart < 10) {
            idBuilder.append('0');
        }
        idBuilder.append(randomPart);
        System.out.println(  Long.parseLong(idBuilder.toString()));