【Redis-全局唯一ID：snowflake算法，Redis自增】

时间：2021-09-19 00:51:42

背景

新公司用mysql开发，对于建表什么的规定特别严格，主键id必须是自增，但是取模分表的过程中，id是不能重复的，所以对于分库分表这种场景，在全局实现一个唯一id显得特别重要。

方法

想到唯一id，我第一想到的就是uuid,32位字符串，但是考虑到uuid字符串比纯数字的id性能和空间有些许浪费（可能这个并没有很明显的区别，但是公司规范上能用纯数字就避免用长字符串），所以这个方案被pass了。

其他方法比如雪花算法，这个也是本地生成，但是有个弊端，很依赖机器的自带时间，只是有点了解，想到不是最佳方案，也被pass掉了。

这里着重讲一下redis显示全局唯一id

思路

利用redis单线程实现自增不重复。
13位毫秒时间戳 + 5位自增数字（前面不够5位的补0）+ 1位随机数（0，9），组成19位不重复的数字，并且趋势递增。
把13位毫秒时间戳作为key存到redis,设置过期时间为2s,在同一个key的时候，后5为从1自增，也就是说，同一毫秒内最大支持99999个请求，可以满足需求了。


正文：

  • 一、全局唯一ID
  • ​
  • 二、Redis生成全局唯一ID 1、snowflake算法全局唯一ID策略 2、Redis自增全局唯一ID策略
  • ​
  • 三、代码实现


一、全局唯一ID

1、全局唯一ID特点

  • ① 全局唯一性
  • ② 高性能
  • ③ 单调递增
  • ④ 信息安全
  • ⑤ 高可用

2、全局唯一ID生成策略

  • ① UUID
  • ② Redis自增
  • ③ snowflake算法
  • ④ 数据库自增
  • ⑤ Zookeeper的znode版本生成ID


二、Redis生成全局唯一ID

1、snowflake算法全局唯一ID策略

此处我们参考​​snowflake算法的ID策略​​，其具体策略如下：

① 1位，固定位；
② 41位，用来记录时间戳（毫秒），接近69年；
③ 10位，用来记录工作机器id；
④ 12位，序列号，用来记录同毫秒内产生的不同id；

【Redis-全局唯一ID：snowflake算法，Redis自增】


2、Redis自增全局唯一ID策略

自定义我们自己的​​Redis自增的ID策略​​，具体如下：

① 1位，固定位；
② 31位，用来记录时间戳（秒），接近69年；
③ 32位，序列号，用来记录同一秒内产生的不同id；

【Redis-全局唯一ID：snowflake算法，Redis自增】


三、代码实现

1、获取开始时间戳

​​LocalDateTime#of(int year, int month, int dayOfMonth, int hour, int minute, int second)​​方法，传入自己需要的起始年月日时分秒；


public static void main(String[] args) {
LocalDateTime time = LocalDateTime.of(2022,1,1,0,0,0);
long l = time.toEpochSecond(ZoneOffset.UTC);
System.out.println(l);
    }

如：2022年1月1日 00点00分00秒，为​​1640995200L​​。

2、编写ID生成工具类

​​@Component注解​​，将工具类注册到Spring容器当中，方便使用；
​​BEGIN_TIMESTAMP​​自定义起始的时间戳；
​​COUNT_BITS​​位移量，后续拼接全局唯一ID时使用；


@Component
public class RedisIdWorker {

// 开始时间戳
private static final long BEGIN_TIMESTAMP = 1640995200L;
// 位移量
private static final long COUNT_BITS = 32L;

private StringRedisTemplate stringRedisTemplate;

public RedisIdWorker(StringRedisTemplate stringRedisTemplate) {
this.stringRedisTemplate = stringRedisTemplate;
    }

public long nextId(String keyPrefix){...}

}

​​timestamp​​获取当前设置起始时间戳的偏移量；
​​拼接key​​，例如：incr:order:20220325；
位运算拼接全局ID，​​timestamp << COUNT_BITS | count;​​；


public long nextId(String keyPrefix){
//1. 生成时间戳
LocalDateTime now = LocalDateTime.now();
long nowSecond = now.toEpochSecond(ZoneOffset.UTC);
long timestamp = nowSecond - BEGIN_TIMESTAMP;

//2. 生成序列号
//2.1 获取当前日期，精确到天
String currentDate = now.format(DateTimeFormatter.ofPattern("yyyy:MM:dd"));
//2.2 自增长
// 拼接的key，例如：incr:order:20220325
long count = stringRedisTemplate.opsForValue().increment(
RedisConstants.INCR_ID
+ keyPrefix
+ RedisConstants.SEPARATE
+ currentDate);

//3. 拼接并返回
return timestamp << COUNT_BITS | count;
    }

3、测试生成全局唯一ID

注入RedisIdWorker对象，用于测试；


@Resource
private RedisIdWorker redisIdWorker;

编写测试方法：

① 使用​​线程池​​模拟并发调用，此处简单处理；


private ExecutorService es = Executors.newFixedThreadPool(500);

② 使用​​CountDownLatch​​控制线程执行；


CountDownLatch latch = new CountDownLatch(300); //设置300阈值

Runnable task = () -> {
            ...
latch.countDown();//每次循环结束，latch -1
        };

        ... //开始时间
        ... //执行任务
latch.await();//等待直到 latch 变为 0
        ... //结束时间

完整的测试方法如下：


@Test
public 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);
            }
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));
    }

四、结尾

以上即为Redis全局唯一ID的基础内容


标签：

相关文章