Java生成订单号或唯一id的高并发方案(4种方法)
更新时间：2024年01月22日 15:54:06 作者：吴名氏.
本文主要介绍了Java生成订单号或唯一id的高并发方案,包括4种方法,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友们下面随着小编来一起学习学习吧
1、直接使用uuid
public static String getUUID() {
String replaceUUID = UUID.randomUUID().toString().replace("-", "");
return replaceUUID;
}但由于生成的数据没有规律性，并且太长；
测试：循环1000w次
测试代码：
public static void main(String[] args) {
long startTime = System.currentTimeMillis();
Set set=new HashSet<>();
for(int i=0;i<10000000;i++){
String uuid = getUUID();
System.out.println("uuid---"+i+"======="+uuid);
set.add(uuid);
}
long endTime = System.currentTimeMillis();
System.out.println("set.size():"+set.size());
System.out.println("endTime-startTime:"+(endTime-startTime));
}控制台提示：
2、用时间（精确到毫秒）+随机数
//时间（精确到毫秒）
DateTimeFormatter ofPattern = DateTimeFormatter.ofPattern("yyyyMMddHHmmssSSS");
String localDate = LocalDateTime.now().format(ofPattern);
//随机数
String randomNumeric = RandomStringUtils.randomNumeric(8);for循环1000w次，发现重复数据太多。因此光靠随机数并不可靠。
3、使用 时间（精确到毫秒）+随机数+用户id（业务id）
注意:如果是类似用户id，项目当中集成了权限框架，使用工具类获取即可，就不用传参了
/**
* 生成订单号（25位）：时间（精确到毫秒）+3位随机数+5位用户id
*/
public static synchronized String getOrderNum(Long userId) {
//时间（精确到毫秒）
DateTimeFormatter ofPattern = DateTimeFormatter.ofPattern("yyyyMMddHHmmssSSS");
String localDate = LocalDateTime.now().format(ofPattern);
//3位随机数
String randomNumeric = RandomStringUtils.randomNumeric(3);
//5位用户id
int subStrLength = 5;
String sUserId = userId.toString();
int length = sUserId.length();
String str;
if (length >= subStrLength) {
str = sUserId.substring(length - subStrLength, length);
} else {
str = String.format("%0" + subStrLength + "d", userId);
}
String orderNum = localDate + randomNumeric + str;
log.info("订单号:{}", orderNum);
return orderNum;
}在2的基础上改造，加入用户的id等其他的业务id。
4.Java实现Snowflake算法的方案（高并发下，推荐使用这个）
package com.lucifer.order.util.idgenerate;
/**
* Twitter_Snowflake<br>
* SnowFlake的结构如下(每部分用-分开):<br>
* 0 - 0000000000 0000000000 0000000000 0000000000 0 - 00000 - 00000 - 000000000000 <br>
* 1位标识，由于long基本类型在Java中是带符号的，最高位是符号位，正数是0，负数是1，所以id一般是正数，最高位是0<br>
* 41位时间截(毫秒级)，注意，41位时间截不是存储当前时间的时间截，而是存储时间截的差值（当前时间截 - 开始时间截)
* 得到的值），这里的的开始时间截，一般是我们的id生成器开始使用的时间，由我们程序来指定的（如下下面程序IdWorker类的startTime属性）。41位的时间截，可以使用69年，年T = (1L << 41) / (1000L * 60 * 60 * 24 * 365) = 69<br>
* 10位的数据机器位，可以部署在1024个节点，包括5位datacenterId和5位workerId<br>
* 12位序列，毫秒内的计数，12位的计数顺序号支持每个节点每毫秒(同一机器，同一时间截)产生4096个ID序号<br>
* 加起来刚好64位，为一个Long型。<br>
* SnowFlake的优点是，整体上按照时间自增排序，并且整个分布式系统内不会产生ID碰撞(由数据中心ID和机器ID作区分)，并且效率较高，经测试，SnowFlake每秒能够产生26万ID左右。
*
* @author Lucifer
*/
public class SnowFlake {
// ==============================Fields===========================================
/**
* 开始时间截 (2018-07-03)
*/
private final long twepoch = 1530607760000L;
/**
* 机器id所占的位数
*/
private final long workerIdBits = 5L;
/**
* 数据标识id所占的位数
*/
private final long datacenterIdBits = 5L;
/**
* 支持的最大机器id，结果是31 (这个移位算法可以很快的计算出几位二进制数所能表示的最大十进制数)
*/
private final long maxWorkerId = -1L ^ (-1L << workerIdBits);
/**
* 支持的最大数据标识id，结果是31
*/
private final long maxDatacenterId = -1L ^ (-1L << datacenterIdBits);
/**
* 序列在id中占的位数
*/
private final long sequenceBits = 12L;
/**
* 机器ID向左移12位
*/
private final long workerIdShift = sequenceBits;
/**
* 数据标识id向左移17位(12+5)
*/
private final long datacenterIdShift = sequenceBits + workerIdBits;
/**
* 时间截向左移22位(5+5+12)
*/
private final long timestampLeftShift = sequenceBits + workerIdBits + datacenterIdBits;
/**
* 生成序列的掩码，这里为4095 (0b111111111111=0xfff=4095)
*/
private final long sequenceMask = -1L ^ (-1L << sequenceBits);
/**
* 工作机器ID(0~31)
*/
private long workerId;
/**
* 数据中心ID(0~31)
*/
private long datacenterId;
/**
* 毫秒内序列(0~4095)
*/
private long sequence = 0L;
/**
* 上次生成ID的时间截
*/
private long lastTimestamp = -1L;
//==============================Constructors=====================================
/**
* 构造函数
*
* @param workerId 工作ID (0~31)
* @param datacenterId 数据中心ID (0~31)
*/
public SnowFlake(long workerId, long datacenterId) {
if (workerId > maxWorkerId || workerId < 0) {
throw new IllegalArgumentException(String.format("worker Id can't be greater than %d or less than 0", maxWorkerId));
}
if (datacenterId > maxDatacenterId || datacenterId < 0) {
throw new IllegalArgumentException(String.format("datacenter Id can't be greater than %d or less than 0", maxDatacenterId));
}
this.workerId = workerId;
this.datacenterId = datacenterId;
}
// ==============================Methods==========================================
/**
* 获得下一个ID (该方法是线程安全的)
*
* @return SnowflakeId
*/
public synchronized long nextId() {
long timestamp = timeGen();
//如果当前时间小于上一次ID生成的时间戳，说明系统时钟回退过这个时候应当抛出异常
if (timestamp < lastTimestamp) {
throw new RuntimeException(
String.format("Clock moved backwards. Refusing to generate id for %d milliseconds", lastTimestamp - timestamp));
}
//如果是同一时间生成的，则进行毫秒内序列
if (lastTimestamp == timestamp) {
sequence = (sequence + 1) & sequenceMask;
//毫秒内序列溢出
if (sequence == 0) {
//阻塞到下一个毫秒,获得新的时间戳
timestamp = tilNextMillis(lastTimestamp);
}
}
//时间戳改变，毫秒内序列重置
else {
sequence = 0L;
}
//上次生成ID的时间截
lastTimestamp = timestamp;
//移位并通过或运算拼到一起组成64位的ID
return (((timestamp - twepoch) << timestampLeftShift)
| (datacenterId << datacenterIdShift)
| (workerId << workerIdShift)
| sequence);
}
/**
* 阻塞到下一个毫秒，直到获得新的时间戳
*
* @param lastTimestamp 上次生成ID的时间截
* @return 当前时间戳
*/
protected long tilNextMillis(long lastTimestamp) {
long timestamp = timeGen();
while (timestamp <= lastTimestamp) {
timestamp = timeGen();
}
return timestamp;
}
/**
* 返回以毫秒为单位的当前时间
*
* @return 当前时间(毫秒)
*/
protected long timeGen() {
return System.currentTimeMillis();
}
//==============================Test=============================================
/**
* 测试
*/
public static void main(String[] args) {
long startTime = System.currentTimeMillis();
SnowFlake idWorker = new SnowFlake(0, 0);
Set set = new HashSet();
for (int i = 0; i < 10000000; i++) {
long id = idWorker.nextId();
set.add(id);
System.out.println("id----"+i+":"+id);
}
long endTime = System.currentTimeMillis();
System.out.println("set.size():" + set.size());
System.out.println("endTime-startTime:" + (endTime - startTime));
}
}也可以在雪花算法生成的id的基础上拼接日期，不过性能有所损耗。
public static String timestampConversionDate(String param) {
Instant timestamp = Instant.ofEpochMilli(new Long(param));
System.out.println("timestamp:"+param);
LocalDateTime localDateTime = LocalDateTime.ofInstant(timestamp, ZoneId.systemDefault());
String format = localDateTime.format(DateTimeFormatter.ofPattern("yyyyMMdd"));
return format;
}测试1：
循环1000w次，发现并无重复
测试2：100个线程，每个线程负责生成10w个id
//多线程测试
public static void main(String[] args) throws InterruptedException {
long startTime = System.currentTimeMillis();
CountDownLatch countDownLatch=new CountDownLatch(10000000);
final SnowFlake idWorker = new SnowFlake(0, 0);
Set set = Collections.synchronizedSet(new HashSet());
for (int i = 0; i < 100; i++) {
Thread thread = new Thread(() -> {
for (int i1 = 0; i1 < 100000; i1++) {
long id = idWorker.nextId();
System.out.println("id:"+id);
set.add(id);
countDownLatch.countDown();
}
});
thread.start();
}
countDownLatch.await();
long endTime = System.currentTimeMillis();
System.out.println("set.size():" + set.size());
System.out.println("endTime-startTime:" + (endTime - startTime));
}
到此这篇关于Java生成订单号或唯一id的高并发方案(4种方法)的文章就介绍到这了,更多相关Java生成订单号或唯一id内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家！
相关文章
这篇文章主要给大家介绍了关于Java中方法使用的相关资料，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧2021-08-08
java中BCryptPasswordEncoder密码的加密与验证方式
这篇文章主要介绍了java中BCryptPasswordEncoder密码的加密与验证方式,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教2023-08-08
这篇文章主要介绍了mybatis返回map结果集@MapKey使用的场景分析，具有很好的参考价值，希望对大家有所帮助。如有错误或未考虑完全的地方，望不吝赐教2022-01-01
java如何正确关闭线程以及线程池是一个高频的面试题，本文将为大家详细介绍实现的方法与代码，感兴趣的小伙伴快跟随小编一起学习一下2022-04-04
这篇文章主要为大家详细介绍了java统计文件中每个字符出现的个数，具有一定的参考价值，感兴趣的小伙伴们可以参考一下2019-03-03
MyBatis Generator生成的$ sql是否存在注入风险详解
这篇文章主要介绍了MyBatis Generator生成的$ sql是否存在注入风险详解，具有很好的参考价值，希望对大家有所帮助。如有错误或未考虑完全的地方，望不吝赐教2021-12-12
Java concurrency集合之LinkedBlockingDeque_动力节点Java学院整理
LinkedBlockingDeque是双向链表实现的双向并发阻塞队列。该阻塞队列同时支持FIFO和FILO两种操作方式，即可以从队列的头和尾同时操作(插入/删除)；并且，该阻塞队列是支持线程安全。2017-06-06
Java OpenCV图像处理之仿射变换,透视变换,旋转详解
这篇文章主要为大家详细介绍了Java OpenCV图像处理中仿射变换,透视变换,旋转的实现，文中的示例代码讲解详细，快跟随小编一起学习一下2022-10-10
本文主要介绍了java字符串反转的7种方法，文中通过示例代码介绍的非常详细，具有一定的参考价值，感兴趣的小伙伴们可以参考一下2022-02-02
Spring Cloud Ribbon 负载均衡使用策略示例详解
Spring Cloud Ribbon 是基于Netflix Ribbon 实现的一套客户端负载均衡工具，Ribbon客户端组件提供了一系列的完善的配置，如超时，重试等，这篇文章主要介绍了Spring Cloud Ribbon 负载均衡使用策略示例详解,需要的朋友可以参考下2023-03-03
最新评论