大流量下唯一订单号的设计

1、UUID

UUID 是Universally Unique Indentifier的缩写，翻译为通用唯一识别码，顾名思义 UUID 是一个用于记录唯一标识一条的数据，其按照开放软件基金会（OSF）指定的标准进行计算，用到了以太网卡地址（MAC）、纳秒级时间、芯片 ID 码和许多可能的数字。

UUID 码由以下三部分组成:

• 当前日期和时间
• 时钟序列
• 全局唯一的 IEEE 机器识别码（如果有网卡从网卡获得，没有网卡则通过其他方式获得）

UUID 的标准形式包含 32 个 16 进制数字，以连字号分为五段，示例：00000191-adc6-4314-8799-5c3d737aa7de。

以java为例，通过以下方式即可生成：

String uuid = UUID.randomUUID().toString();

这种方案，虽然实现简单、方便；但是数据库查询效率非常差，而且内容长，在实际的项目场景开发中，一般用于于记录用户的手机设备ID等硬件信息！

因此不推荐采用 uuid 来生成订单编号！

2、数据库自增

数据库自增，意思是在数据库中给某个列设置为自增列，并且给该列设置一个初始值，代码层面无需任何特殊处理，以 mysql 的用户表 ID 列为例，可以通过如下方式在创建表的时候生产。

CREATE TABLE `tb_user` (
  `id` bigint(20) unsigned NOT NULL AUTO_INCREMENT,
  `name` varchar(20) DEFAULT NULL,
  PRIMARY KEY (`id`)
) ENGINE=InnoDB AUTO_INCREMENT=1 DEFAULT CHARSET=utf8mb4 COLLATE=utf8mb4_0900_ai_ci;

这种通过数据库自增方式实现唯一值，在单体服务下是没有问题，但是在大流量分布式服务环境下，并发性能很低。

以后数量大的时候，需要对 mysql 进行分库分表，此时订单号会重复，因此不推荐采用！

3、雪花算法

Snowflake（中文简称：雪花算法） 是 Twitter 内部的一个 ID 生算法，可以通过一些简单的规则保证在大规模分布式情况下生成唯一的 ID 号码。其内部结构如下：

Snowflake 由 4个部分组成：

• 第一部分：bit 值，为未使用的符号位
• 第二部分：由 41 位的时间戳（毫秒）构成，它的取值是当前时间相对于某一时间的偏移
• 第三部分：表示工作机器 id，由服务节点 id 和数据中心 id 组合而成
• 第四部分：表示每个工作机器每毫秒生成的序列号 ID，同一毫秒内最多可生成生产 4095 个 ID。

由于在 Java 中 64bit 的整数是 long 类型，因此在 Java 中 SnowFlake 算法生成的 id 就是 long 来存储的。

SnowFlake 算法可以保证：

• 1.所有生成的 id 按时间趋势递增
• 2.整个分布式系统内不会产生重复id（因为有服务节点 id 和数据中心 id 来做区分）

需要注意的是：

• 在分布式环境中，5 个 bit 位的 datacenter 和 worker 表示最多能部署 31 个数据中心，每个数据中心最多可部署 31 台节点。
• 41 位的二进制长度最多能表示2^41 -1毫秒即 69 年，所以雪花算法最多能正常使用 69 年，为了能最大限度的使用该算法，在使用的时候，应该为其指定一个开始时间，不然会发生重复！

在高并发的环境下，Snowflake 算法可以生成全局唯一的订单编号，但是他的长度达到21位，因此不推荐采用，但是可以用它来生成主键 ID，是完全没有问题的！

4、分布式组件

要想在分布式环境下生成一个唯一的订单编号，我们可以通过分布式组件的方式，来帮忙我们生成全局唯一的订单号，例如我们可以采用 redis 分布式缓存组件中的incr命令，来帮我们生成一个全局自增长的序列号！

public class redisUtils{

    public static Long saveINCR(String key,int seconds){
        //基于某个key实现自增长
        String res = jedis.get(key);
        if (StringUtils.isBlank(res)) {
	        jedisClient.set(key, INIT_ID);//设置自增长的初始值，INIT_ID 是初始值
	        jedisClient.expire(key, seconds);//设置过期时间，seconds 是多少秒过期
        }
        long orderId = jedis.incr(key);//存在就生成+1的订单号
        return orderId;
    }

}

?这种方式生成的自增长序列号，非常的快，可以很好的满足大流量环境下的编号要求唯一的特性！

小米订单号1111218032345170，可以将其分解成四个部分1——111218—03234—5170。

• 第一部分，1 表示购买，2 表示退货。
• 第二部分，表示 2011 年 12 月 18 日下的单，前面两位省掉了。
• 第三部分，时间戳对应00:53:54，换算成秒是03234秒。
• 最后一部分，表示在同一秒内下的第 5170 单，也就是说，小米认为，在一秒内不会超过一万个订单。

总结起来，小米的订单规则是：业务编码+年的后 2 位+月+日+秒+订单数，固定长度为16，这种订单号规则可以保证 100 年不会重复！

//获取当前时间
Date currentTime  = new Date();
//格式化当前时间为【年的后2位+月+日】
String originDateStr = new SimpleDateFormat("yyMMdd").format(currentTime );
//计算当前时间走过的秒
Date startTime =  new SimpleDateFormat("yyyyMMdd").parse(new SimpleDateFormat("yyyyMMdd").format(originDate));
long differSecond = (currentTime.getTime() - startTime.getTime()) / 1000;
//获取【年的后2位+月+日+秒】，秒的长度不足补充0
String yyMMddSecond = originDateStr +  StringUtils.leftPad(String.valueOf(differSecond), 5, '0');

//获取【业务编码】 + 【年的后2位+月+日+秒】，作为自增key；
String prefixOrder = sourceType + "" + yyMMddSecond;
//通过key，采用redis自增函数，实现单秒自增；不同的key，从0开始自增，同时设置60秒过期
Long incrId = redisUtils.saveINCR(prefixOrder, 60);
//生成订单编号
String orderNo = prefixOrder + StringUtils.leftPad(String.valueOf(incrId), 4, '0');

此订单编号可以保证大流量环境下全局唯一、生成速度非常的快、支持高并发环境，同时还支持按时间排序！

5、总结

在大流量的环境下，我们可以通过 redis 的incr函数实现序列号自增的特性，同时搭配订单的设计规则，从而保证高并发的环境下，订单唯一性！?