对飚雪花ID,高并发下唯一订单号生成器

背景

产品需求是为订单生成一个10位长度的订单号,可以包含字母和数组,字母不区分大小写。

* 方案一: 利用mysql自增,但是最多也就是10 0000 0000,这个可怎么办?

* 方案二:随机生成10位随机数+字母组合,如何保证唯一性?每次插入前去数据库里遍历还是利用唯一索引?

这个方案好像也不好,数据量大了效率很低?而且完全随机,没有递增型。

* 方案三:其他主键+序列号

比如订单号= 分类号+日期+序列号(累计)

这个是能满足一些数据量不大的情况,如果没有一个分类一天销售很多流量也是有问题的。而且订单号并没有单调递增。

我们仔细分析分析需求,10位订单号比较短,想保持唯一性不容易,你想想时间戳精确到秒都10位了。我们还要保持单调递增,又不能让人轻易猜出每天多少订单量。

我们可能想到雪花ID,是的,雪花ID设计很巧妙,但是长度太长不满足产品的需要,不过我们可以对雪花ID改造。


0000 0000 0 0

时间戳 机器ID 序列号


我们把10位分为3组:

第一组是前8位用做时间戳,由于是字母+数字组合,所以一位就能表示36个数字,0-9a-z,也就是36进制,36^8 = 2821109907456 毫秒 > 89年 * 365 * 24 *3600 * 1000

也就是精确到毫秒能用89年,不错啦。

第二组是机器ID,也是36进制,能用36个实例,基本够了。

第三组是序列号,也是36进制,那一个实例一毫秒最多36个订单号。

我们不难看出这不就是雪花的ID的变形吗,只不过我们支持字母+数字组合,所以就能缩小一些位数,是的,没错!

功能

我们再来看看上面我们提出的方案,基本能满足并发量不大的需求,当并发量实在太多可以多创建几个实例,一毫秒需要的订单号超过36个,那就再等下一毫秒呗。

如果就要钻牛角尖,就不愿意等下一毫秒,那我们就要对扩大第三组的限制了,如果再扩大一位就能每毫秒36X36=1296个了,如果再扩大一位那就能一毫秒36X36X36=46656个了,如果还不满足还可以继续,但是我觉得意义不大了。

扩展倒是很容易,但是产品得统一订单号位数变长啊,有的能同意,有的就难沟通了,所以这里我打算把每毫秒的最多数量做成能动态设置的。

另外,我们上面提到我们能用89年,如果从1970年开始那我们也就是能用到2059年,那很快了啊,怎么办?其实我们大可不必从1970年开始,从2000年开始不香吗?从2020年开始不更香吗?

这里我也打算做成可设置的,只是要注意下,项目开始就要决定从哪年开始,不然来回变化有可能重复咯。

使用

这里我们给出go版本的使用,很简单,https://github.com/xingliuhua/leaf

go get github.com/xingliuhua/leaf

err, node := leaf.NewNode(0)

if err != nil {

    return

}

// 每毫秒200个

err = node.SetGenerateIDRate(200)

if err != nil {

    return

}

startTime := time.Date(2020, 0, 0, 0, 0, 0, 0, time.UTC).UnixNano() / 1000000

// 从2020年开始

err = node.SetSince(startTime)

if err != nil {

    return

}

for i := 0; i < 40; i++ {

    err, id := node.NextId()

    if err != nil {

        return

    }

    fmt.Println(id)

}


当然node.SetSince,node.SetGenerateIDRate方法都可以不写,使用默认的也可以。

总结

站在巨人的肩膀上,我们能看得更远,说是对飚雪花ID,其实就是借鉴的雪花ID,大家也可以根据自己的需求自己实现雪花ID。

最后能帮忙点个star吗?

https://github.com/xingliuhua/leaf

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 215,874评论 6 498
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 92,102评论 3 391
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 161,676评论 0 351
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 57,911评论 1 290
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 66,937评论 6 388
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 50,935评论 1 295
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 39,860评论 3 416
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 38,660评论 0 271
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 45,113评论 1 308
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 37,363评论 2 331
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 39,506评论 1 346
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 35,238评论 5 341
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 40,861评论 3 325
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 31,486评论 0 21
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 32,674评论 1 268
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 47,513评论 2 368
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 44,426评论 2 352