共计 3819 个字符，预计需要花费 10 分钟才能阅读完成。
本篇内容介绍了“MySQL 订单 ID 是怎么生成的”的有关知识，在实际案例的操作过程中，不少人都会遇到这样的困境，接下来就让丸趣 TV 小编带领大家学习一下如何处理这些情况吧！希望大家仔细阅读，能够学有所成！
面试官：小伙子，你低着头笑什么呐。开始面试了，你知道订单 ID 是怎么生成的吗？
啥？订单 ID 怎么生成？美女怎么不按套路出牌！HashMap 实现原理，我已经倒背如流，你不问。瞎问什么订单 ID。
我：还能咋生成？用数据库主键自增呗。
面试官：这样不行啊。数据库主键顺序自增，每天有多少订单量被竞争对手看的一清二楚，商业机密都暴露了。
况且单机 MySQL 只能支持几百量级的并发，我们公司每天千万订单量，hold 不住啊。
我：嗯，那就用用数据库集群，自增 ID 起始值按机器编号，步长等于机器数量。
比如有两台机器，第一台机器生成的 ID 是 1、3、5、7，第二台机器生成的 ID 是 2、4、6、8。性能不行就加机器，这并发量 der 一下就上去了。
面试官：小伙子，你想得倒是挺好。你有没有想过实现百万级的并发，大概就需要 2000 台机器，你这还只是用来生成订单 ID，公司再有钱也经不起这么造。
我：既然 MySQL 的并发量不行，我们是不是可以提前从 MySQL 获取一批自增 ID，加载到本地内存中，然后从内存中并发取，这并发性能岂不是杠杠滴。
面试官：你还挺上道，这种叫号段模式。并发量是上去了，但是自增 ID 还是不能作为订单 ID 的。
我：用 Java 自带 UUID 怎么样？
import java.util.UUID;
* @author yideng
* @apiNote UUID 示例
*/
public class UUIDTest { public static void main(String[] args) { String orderId = UUID.randomUUID().toString().replace( - ,
System.out.println(orderId);
}
}输出结果：
58e93ecab9c64295b15f7f4661edcbc1
面试官：也不行。32 位字符串会占用更大的空间，无序的字符串作数据库主键，每次插入数据库的时候，MySQL 为了维护 B + 树结构，需要频繁调整节点顺序，影响性能。况且字符串太长，也没有任何业务含义，pass。
小伙子，你可能是没参与过电商系统，我先跟说一下生成订单 ID 要满足哪些条件：
全局唯一：如果订单 ID 重复了，肯定要完蛋。
高性能：要做到高并发、低延迟。生成订单 ID 都成为瓶颈了，那还得了。
高可用：至少要做到 4 个 9，别动不动就宕机了。
易用性：如果为了满足上述要求，搞了几百台服务器，复杂且难以维护，也不行。
数值且有序递增：数值占用的空间更小，有序递增能保证插入 MySQL 的时候更高性能。
嵌入业务含义：如果订单 ID 里面能嵌入业务含义，就能通过订单 ID 知道是哪个业务线生成的，便于排查问题。
我擦，生成一个小小的订单 ID，搞出这么多规则，还能玩下去吗？难道今天的面试要跪，怎么可能。一灯的文章我一直订阅，这个还能难得住我，陪美女程序员玩玩还当真了。
我：我听说圈内有一种流传已久的分布式、高性能、高可用的订单 ID 生成算法 mdash; 雪花算法，完全能满足你的上述要求。雪花算法生成 ID 是 Long 类型，长度 64 位。
第 1 位：符号位，暂时不用。
第 2~42 位：共 41 位，时间戳，单位是毫秒，可以支撑大约 69 年
第 43~52 位：共 10 位，机器 ID，最多可容纳 1024 台机器
第 53~64 位：共 12 位，序列号，是自增值，表示同一毫秒内产生的 ID，单台机器每毫秒最多可生成 4096 个订单 ID
代码实现：
/**
* @author 一灯架构
* @apiNote 雪花算法
**/
public class SnowFlake {
/**
* 起始时间戳，从 2021-12-01 开始生成
*/
private final static long START_STAMP = 1638288000000L;
/**
* 序列号占用的位数 12
*/
private final static long SEQUENCE_BIT = 12;
/**
* 机器标识占用的位数
*/
private final static long MACHINE_BIT = 10;
/**
* 机器数量最大值
*/
private final static long MAX_MACHINE_NUM = ~(-1L MACHINE_BIT);
/**
* 序列号最大值
*/
private final static long MAX_SEQUENCE = ~(-1L SEQUENCE_BIT);
/**
* 每一部分向左的位移
*/
private final static long MACHINE_LEFT = SEQUENCE_BIT;
private final static long TIMESTAMP_LEFT = SEQUENCE_BIT + MACHINE_BIT;
/**
* 机器标识
*/
private long machineId;
/**
* 序列号
*/
private long sequence = 0L;
/**
* 上一次时间戳
*/
private long lastStamp = -1L;
/**
* 构造方法
* @param machineId 机器 ID
*/
public SnowFlake(long machineId) { if (machineId MAX_MACHINE_NUM || machineId 0) {
throw new RuntimeException( 机器超过最大数量
}
this.machineId = machineId;
}
/**
* 产生下一个 ID
*/
public synchronized long nextId() { long currStamp = getNewStamp();
if (currStamp lastStamp) {
throw new RuntimeException( 时钟后移，拒绝生成 ID！ }
if (currStamp == lastStamp) {
// 相同毫秒内，序列号自增
sequence = (sequence + 1) MAX_SEQUENCE;
// 同一毫秒的序列数已经达到最大
if (sequence == 0L) { currStamp = getNextMill();
}
} else {
// 不同毫秒内，序列号置为 0
sequence = 0L;
}
lastStamp = currStamp;
return (currStamp - START_STAMP) TIMESTAMP_LEFT // 时间戳部分
| machineId MACHINE_LEFT // 机器标识部分
| sequence; // 序列号部分
}
private long getNextMill() { long mill = getNewStamp();
while (mill = lastStamp) { mill = getNewStamp();
}
return mill;
}
private long getNewStamp() { return System.currentTimeMillis();
}
public static void main(String[] args) {
// 订单 ID 生成测试，机器 ID 指定第 0 台
SnowFlake snowFlake = new SnowFlake(0);
System.out.println(snowFlake.nextId());
}
}输出结果：
6836348333850624
接入非常简单，不需要搭建服务集群，。代码逻辑非常简单，，同一毫秒内，订单 ID 的序列号自增。同步锁只作用于本机，机器之间互不影响，每毫秒可以生成四百万个订单 ID，非常强悍。
生成规则不是固定的，可以根据自身的业务需求调整。如果你不需要那么大的并发量，可以把机器标识位拆出一部分，当作业务标识位，标识是哪个业务线生成的订单 ID。
面试官：小伙子，有点东西，深藏不漏啊。再问个更难的问题，你觉得雪花算法还有改进的空间吗？
你真是打破砂锅问到底，不把我问趴下不结束。幸亏来之前我瞥了一眼一灯的文章。
我：有的，雪花算法严重依赖系统时钟。如果时钟回拨，就会生成重复 ID。
面试官：有什么解决办法吗？
我：有问题就会有答案。比如美团的 Leaf（美团自研一种分布式 ID 生成系统），为了解决时钟回拨，引入了 zookeeper，原理也很简单，就是比较当前系统时间跟生成节点的时间。
有的对并发要求更高的系统，比如双十一秒杀，每毫秒 4 百万并发还不能满足要求，就可以使用雪花算法和号段模式相结合，比如百度的 UidGenerator、滴滴的 TinyId。想想也是，号段模式的预先生成 ID 肯定是高性能分布式订单 ID 的最终解决方案。
“MySQL 订单 ID 是怎么生成的”的内容就介绍到这里了，感谢大家的阅读。如果想了解更多行业相关的知识可以关注丸趣 TV 网站，丸趣 TV 小编将为大家输出更多高质量的实用文章！
