Redis实现全局唯一id

需求：

每个店铺都可以发布优惠券，而每张优惠券都是唯一的。当用户抢购时，就会生成订单并保存到 tb_voucher_order 这张表中，而订单表如果使用数据库自增 ID 就存在一些问题：

• id 的规律太明显。如果 id 规律太明显，用户就能够根据 id 猜测出一些信息。比方说，某用户第一天下了一单，此时 id 为 10，第二天同一时刻，该用户又下了一单，此时 id 为 100，那么用户就能够推断出昨天一天店家卖出了 90 单，这就将一些信息暴露给用户。
• 受单表数据量的限制。订单的一个特点就是数据量比较大，只要用户不停地产生购买行为，就会不停地产生新的订单。如果网站做到一定的规模，用户量达到数百万，这时候每天都会产生数十万甚至近百万的订单，一年下来就会达到数千万的订单，那么两年三年不断累积下来，订单量就会越来越庞大，此时单张表就无法保存这么多的订单数据，就需要将单张表拆分成多张表。MySQL 的每张表会自己计算自己的自增长，如果每张表都使用自增长，订单 id 就一定会重复。

全局 ID 生成器，是一种在分布式系统下用来生成全局唯一 ID 的工具，一般要满足下列特性：

• 唯一性
• 高可用
• 高性能
• 递增型
• 安全性

为了增加 ID 的安全性，我们可以不直接使用 Redis 自增的数值，而是拼接一些其它信息：
 

ID 组成部分：

• 符号位：1 bit，永远为 0
• 时间戳：31 bit，以秒为单位，可以使用 69 年
• 序列号：32 bit，秒内的计数器，支持每秒产生 2^32 个不同的 ID

代码实现 

@Component
public class RedisIdWorker {
 
    private static final long BEGIN_TIMESTAMP = 1640995200L;
 
    private static int COUNT_BITS = 32;
 
    @Autowired
    private StringRedisTemplate stringRedisTemplate;
 
    public Long nextId(String keyPrefix) {
        //获取当前时间
        LocalDateTime now = LocalDateTime.now();
        //获取当前时间得秒数
        long nowSecond = now.toEpochSecond(ZoneOffset.UTC);
        long time = nowSecond - BEGIN_TIMESTAMP;
 
        String format = now.format(DateTimeFormatter.ofPattern("yyyy:MM:dd"));
        // Redis Incrby 命令将 key 中储存的数字加上指定的增量值。
        // 如果 key 不存在，那么 key 的值会先被初始化为 0 ，然后再执行 INCRBY 命令。
        Long count = stringRedisTemplate.opsForValue().increment("icr:" + keyPrefix + ":" + format);
 
        return time << COUNT_BITS | count;
    }
 
    // public static void main(String[] args) {
    //        LocalDateTime of = LocalDateTime.of(2022, 1, 1, 0, 0, 0);
    //        long l = of.toEpochSecond(ZoneOffset.UTC);
    //        // LocalTime类的toEpochSecond()方法用于
    //        // 将此LocalTime转换为自1970-01-01T00：00：00Z以来的秒数
    //        System.out.println(l);
    // }
}

测试

@SpringBootTest
class HmDianPingApplicationTests {
 
    @Autowired
    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));
    }
 
}
 

 总结

全局唯一 ID 生成策略：

1. UUID：16进制的字符串ID，可以做唯一ID，但不支持自增
2. Redis 自增
3. snowflake 雪花算法：long 类型的 64 ID，性能更好，但是比较依赖于时钟，如果时间不准确，可能会出现异常问题
4. 数据库自增：单独创建一张表，用于实现自增

Redis 自增 ID 策略：

1. 每天一个 key，方便统计订单量
2. ID 构造是 时间戳 + 计数器