介绍
为什么需要分布式全局 ID 生成器？
-
对于订单这种数据，数据库自增的规律性太明显，会暴露一些信息（比如根据昨日和今日的订单号差值看出销量）
-
数据量过大时，不同表的 id 分别自增，容易出现 id 冲突
分布式全局 ID 生成应满足的特点：
-
唯一：整个系统每个 id 都是唯一的
-
递增：虽然不连续，但整体 ID 保持递增，有利于数据库创建索引（也符合自然规律）
-
安全：不能通过 id 看出敏感业务信息
-
高可用：作为核心服务，不能挂掉，否则会影响新数据的生成
-
高性能：作为频繁调用的服务，性能一定要高
几种常见的 ID 生成方法，建议根据自己的实际需求选择和设计算法：
-
雪花算法：性能更高，引入机器序号，但依赖全局时钟
-
数据库自增：单独的自增表，所有 id 全从这个表取。但性能没有 Redis 高
-
UUID：随机生成十六进制字符串，性能高，但是乱序、字符串会占用更多空间
-
Redis 自增 ID：利用 incr 命令实现单 key 的自增
Redis 自增 ID 完全可以满足以上几个分布式全局 ID 的特点。
设计实现
使用Redis 的Incr命令，可以实现后32位的原子性递增。
Redis的key可以设计为[业务]:[类型]:[日期]，这样每天都会从1开始生成序列号。如果用单key，可能会出现生成序号数溢出2^32的情况。（key设计为所述类型便于统计订单量）
实现
@Component
public class RedisIdWorker {
/**
* 开始时间戳
*/
private static final long BEGIN_TIMESTAMP = 1640995200L;
/**
* 序列号的位数
*/
private static final int COUNT_BITS = 32;
private StringRedisTemplate stringRedisTemplate;
public RedisIdWorker(StringRedisTemplate stringRedisTemplate) {
this.stringRedisTemplate = stringRedisTemplate;
}
public long nextId(String keyPrefix) {
// 1.生成时间戳
LocalDateTime now = LocalDateTime.now();
long nowSecond = now.toEpochSecond(ZoneOffset.UTC);
long timestamp = nowSecond - BEGIN_TIMESTAMP;
// 2.生成序列号
// 2.1.获取当前日期，精确到天
String date = now.format(DateTimeFormatter.ofPattern("yyyy:MM:dd"));
// 2.2.自增长
long count = stringRedisTemplate.opsForValue().increment("icr:" + keyPrefix + ":" + date);
// 3.拼接并返回
return timestamp << COUNT_BITS | count;
}
}测试
知识小贴士：关于countdownlatch
countdownlatch名为信号枪：主要的作用是同步协调在多线程的等待于唤醒问题
我们如果没有CountDownLatch ，那么由于程序是异步的，当异步程序没有执行完时，主线程就已经执行完了，然后我们期望的是分线程全部走完之后，主线程再走，所以我们此时需要使用到CountDownLatch
CountDownLatch 中有两个最重要的方法
1、countDown
2、await
await 方法 是阻塞方法，我们担心分线程没有执行完时，main线程就先执行，所以使用await可以让main线程阻塞，那么什么时候main线程不再阻塞呢？当CountDownLatch 内部维护的 变量变为0时，就不再阻塞，直接放行，那么什么时候CountDownLatch 维护的变量变为0 呢，我们只需要调用一次countDown ，内部变量就减少1，我们让分线程和变量绑定， 执行完一个分线程就减少一个变量，当分线程全部走完，CountDownLatch 维护的变量就是0，此时await就不再阻塞，统计出来的时间也就是所有分线程执行完后的时间。
@Resource
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));
}运行结果
id没有出现重复
