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!