共計 3819 個字符，預計需要花費 10 分鐘才能閱讀完成。
本篇內容介紹了“MySQL 訂單 ID 是怎么生成的”的有關知識，在實際案例的操作過程中，不少人都會遇到這樣的困境，接下來就讓丸趣 TV 小編帶領大家學習一下如何處理這些情況吧！希望大家仔細閱讀，能夠學有所成！
面試官：小伙子，你低著頭笑什么吶。開始面試了，你知道訂單 ID 是怎么生成的嗎？
啥？訂單 ID 怎么生成？美女怎么不按套路出牌！HashMap 實現原理，我已經倒背如流，你不問。瞎問什么訂單 ID。
我：還能咋生成？用數據庫主鍵自增唄。
面試官：這樣不行啊。數據庫主鍵順序自增，每天有多少訂單量被競爭對手看的一清二楚，商業機密都暴露了。
況且單機 MySQL 只能支持幾百量級的并發，我們公司每天千萬訂單量，hold 不住啊。
我：嗯，那就用用數據庫集群，自增 ID 起始值按機器編號，步長等于機器數量。
比如有兩臺機器，第一臺機器生成的 ID 是 1、3、5、7，第二臺機器生成的 ID 是 2、4、6、8。性能不行就加機器，這并發量 der 一下就上去了。
面試官：小伙子，你想得倒是挺好。你有沒有想過實現百萬級的并發，大概就需要 2000 臺機器，你這還只是用來生成訂單 ID，公司再有錢也經不起這么造。
我：既然 MySQL 的并發量不行，我們是不是可以提前從 MySQL 獲取一批自增 ID，加載到本地內存中，然后從內存中并發取，這并發性能豈不是杠杠滴。
面試官：你還挺上道，這種叫號段模式。并發量是上去了，但是自增 ID 還是不能作為訂單 ID 的。
我：用 Java 自帶 UUID 怎么樣？
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);
}
}輸出結果：
58e93ecab9c64295b15f7f4661edcbc1
面試官：也不行。32 位字符串會占用更大的空間，無序的字符串作數據庫主鍵，每次插入數據庫的時候，MySQL 為了維護 B + 樹結構，需要頻繁調整節點順序，影響性能。況且字符串太長，也沒有任何業務含義，pass。
小伙子，你可能是沒參與過電商系統，我先跟說一下生成訂單 ID 要滿足哪些條件：
全局唯一：如果訂單 ID 重復了，肯定要完蛋。
高性能：要做到高并發、低延遲。生成訂單 ID 都成為瓶頸了，那還得了。
高可用：至少要做到 4 個 9，別動不動就宕機了。
易用性：如果為了滿足上述要求，搞了幾百臺服務器，復雜且難以維護，也不行。
數值且有序遞增：數值占用的空間更小，有序遞增能保證插入 MySQL 的時候更高性能。
嵌入業務含義：如果訂單 ID 里面能嵌入業務含義，就能通過訂單 ID 知道是哪個業務線生成的，便于排查問題。
我擦，生成一個小小的訂單 ID，搞出這么多規則，還能玩下去嗎？難道今天的面試要跪，怎么可能。一燈的文章我一直訂閱，這個還能難得住我，陪美女程序員玩玩還當真了。
我：我聽說圈內有一種流傳已久的分布式、高性能、高可用的訂單 ID 生成算法 mdash; 雪花算法，完全能滿足你的上述要求。雪花算法生成 ID 是 Long 類型，長度 64 位。
第 1 位：符號位，暫時不用。
第 2~42 位：共 41 位，時間戳，單位是毫秒，可以支撐大約 69 年
第 43~52 位：共 10 位，機器 ID，最多可容納 1024 臺機器
第 53~64 位：共 12 位，序列號，是自增值，表示同一毫秒內產生的 ID，單臺機器每毫秒最多可生成 4096 個訂單 ID
代碼實現：
/**
* @author 一燈架構
* @apiNote 雪花算法
**/
public class SnowFlake {
/**
* 起始時間戳，從 2021-12-01 開始生成
*/
private final static long START_STAMP = 1638288000000L;
/**
* 序列號占用的位數 12
*/
private final static long SEQUENCE_BIT = 12;
/**
* 機器標識占用的位數
*/
private final static long MACHINE_BIT = 10;
/**
* 機器數量最大值
*/
private final static long MAX_MACHINE_NUM = ~(-1L MACHINE_BIT);
/**
* 序列號最大值
*/
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;
/**
* 機器標識
*/
private long machineId;
/**
* 序列號
*/
private long sequence = 0L;
/**
* 上一次時間戳
*/
private long lastStamp = -1L;
/**
* 構造方法
* @param machineId 機器 ID
*/
public SnowFlake(long machineId) { if (machineId MAX_MACHINE_NUM || machineId 0) {
throw new RuntimeException( 機器超過最大數量
}
this.machineId = machineId;
}
/**
* 產生下一個 ID
*/
public synchronized long nextId() { long currStamp = getNewStamp();
if (currStamp lastStamp) {
throw new RuntimeException( 時鐘后移，拒絕生成 ID！ }
if (currStamp == lastStamp) {
// 相同毫秒內，序列號自增
sequence = (sequence + 1) MAX_SEQUENCE;
// 同一毫秒的序列數已經達到最大
if (sequence == 0L) { currStamp = getNextMill();
}
} else {
// 不同毫秒內，序列號置為 0
sequence = 0L;
}
lastStamp = currStamp;
return (currStamp - START_STAMP) TIMESTAMP_LEFT // 時間戳部分
| machineId MACHINE_LEFT // 機器標識部分
| sequence; // 序列號部分
}
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) {
// 訂單 ID 生成測試，機器 ID 指定第 0 臺
SnowFlake snowFlake = new SnowFlake(0);
System.out.println(snowFlake.nextId());
}
}輸出結果：
6836348333850624
接入非常簡單，不需要搭建服務集群，。代碼邏輯非常簡單，，同一毫秒內，訂單 ID 的序列號自增。同步鎖只作用于本機，機器之間互不影響，每毫秒可以生成四百萬個訂單 ID，非常強悍。
生成規則不是固定的，可以根據自身的業務需求調整。如果你不需要那么大的并發量，可以把機器標識位拆出一部分，當作業務標識位，標識是哪個業務線生成的訂單 ID。
面試官：小伙子，有點東西，深藏不漏啊。再問個更難的問題，你覺得雪花算法還有改進的空間嗎？
你真是打破砂鍋問到底，不把我問趴下不結束。幸虧來之前我瞥了一眼一燈的文章。
我：有的，雪花算法嚴重依賴系統時鐘。如果時鐘回撥，就會生成重復 ID。
面試官：有什么解決辦法嗎？
我：有問題就會有答案。比如美團的 Leaf（美團自研一種分布式 ID 生成系統），為了解決時鐘回撥，引入了 zookeeper，原理也很簡單，就是比較當前系統時間跟生成節點的時間。
有的對并發要求更高的系統，比如雙十一秒殺，每毫秒 4 百萬并發還不能滿足要求，就可以使用雪花算法和號段模式相結合，比如百度的 UidGenerator、滴滴的 TinyId。想想也是，號段模式的預先生成 ID 肯定是高性能分布式訂單 ID 的最終解決方案。
“MySQL 訂單 ID 是怎么生成的”的內容就介紹到這里了，感謝大家的閱讀。如果想了解更多行業相關的知識可以關注丸趣 TV 網站，丸趣 TV 小編將為大家輸出更多高質量的實用文章！
