文章目錄

實戰 —— 生存唯一隨機數

前言

實際開發過程中，我們會遇到生成唯一標識的隨機數的需求，下面總結一下在網上看到的一些規則以及規則由來。

實戰

UUID 真的唯一嗎

並不是！UUID會隨機生成一個32位的字符，代碼如下：

// 通過uuid生成一個32位的隨機數，並刪除隨機數中的“-”
String str = UUID.randomUUID().toString().replaceAll("-", "");

但它並不唯一，在單機多線程環境下也不唯一，我們可以改成下面的方式，並對其生成是隨機數進行處理，使其佔用空間更小，一切源於網絡，不是我自己寫的，總結而已。

String str = UUID.randomUUID().toString().replaceAll("-", "") + new Random().nextLong();
// 產生的字符串太長，浪費存儲，再進行MD5
// 可以使用apache的org.apache.commons.codec.digest.DigestUtils
// 也可以是使用java.security.MessageDigest進行加密
// 注意返回的是長度爲16的byte數組，使用Hex轉換成32的char數組，在轉成字符串
String uuid = new String(Hex.encodeHex(DigestUtils.md5(str)));

通過zookeeper生成隨機數

通過zk的版本號生成分佈式唯一且有序id的例子
直接上代碼吧：

核心代碼

package cc11001100.zookeeper.uniqId;
 
import org.apache.zookeeper.CreateMode;
import org.apache.zookeeper.KeeperException;
import org.apache.zookeeper.ZooDefs;
import org.apache.zookeeper.ZooKeeper;
import org.apache.zookeeper.data.Stat;
 
import java.io.IOException;
 
/**
 * 使用zk生成分佈式唯一id，自增有序
 *
 * @author CC11001100
 */
public class ZkIdGenerator {
 
    private ZooKeeper zk;
    private String path;
 
    public ZkIdGenerator(String serverAddress, String path) {
        try {
            this.path = path;
            zk = new ZooKeeper(serverAddress, 3000, event -> {
                System.out.println(event.toString());
            });
 
            if (zk.exists(path, false) == null) {
                zk.create(path, new byte[0], ZooDefs.Ids.OPEN_ACL_UNSAFE, CreateMode.PERSISTENT);
            }
        } catch (IOException | InterruptedException | KeeperException e) {
            e.printStackTrace();
        }
    }
 
    public long next() {
        try {
            Stat stat = zk.setData(path, new byte[0], -1);
            return stat.getVersion();
        } catch (KeeperException | InterruptedException e) {
            e.printStackTrace();
        }
        return -1;
    }
 
}

測試類

package cc11001100.zookeeper.uniqId;
 
/**
 * @author CC11001100
 */
public class ZkIdGeneratorTest {
 
    public static void main(String[] args) {
 
        ZkIdGenerator zkIdGenerator = new ZkIdGenerator("xx.xx.xx.xx:2181", "/id-gen");
        for(int i=0; i<100; i++){
            System.out.println(zkIdGenerator.next());
        }
 
    }
 
}

注意

因爲版本號是保存在zk服務器上的，所以客戶端重啓無所謂，只要這個節點不被刪除就不會出現生成的id回退的情況。

通過redis

採用reids的RedisAtomicLong來實現

SequenceFactory

import org.springframework.beans.factory.annotation.Autowired;
import org.springframework.data.redis.core.RedisTemplate;
import org.springframework.data.redis.support.atomic.RedisAtomicLong;
import org.springframework.stereotype.Service;

import java.util.Date;
import java.util.concurrent.TimeUnit;

@Service
public class SequenceFactory {
    @Autowired
    RedisTemplate<String, String> redisTemplate;

    /**
     * @param key 
     * @param value      
     * @param expireTime    
     * @Title: set      
     * @Description: set cache.
     */
    public void set(String key, int value, Date expireTime) {
        RedisAtomicLong counter = new RedisAtomicLong(key, redisTemplate.getConnectionFactory());
        counter.set(value);
        counter.expireAt(expireTime);
    }

    /**
     * @param key * 
     * @param value      * 
     * @param timeout      * 
     * @param unit      * 
     * @Title: set      * 
     * @Description: set cache.
     */
    public void set(String key, int value, long timeout, TimeUnit unit) {
        RedisAtomicLong counter = new RedisAtomicLong(key, redisTemplate.getConnectionFactory());
        counter.set(value);
        counter.expire(timeout, unit);
    }

    /**
     * @param key * 
     * @return      * 
     * @Title: generate      * 
     * @Description: Atomically increments by one the current value.
     */
    public long generate(String key) {
        RedisAtomicLong counter = new RedisAtomicLong(key, redisTemplate.getConnectionFactory());
        return counter.incrementAndGet();
    }

    /**
     * @param key * 
     * @return      * 
     * @Title: generate      * 
     * @Description: Atomically increments by one the current value.
     */
    public long generate(String key, Date expireTime) {
        RedisAtomicLong counter = new RedisAtomicLong(key, redisTemplate.getConnectionFactory());
        counter.expireAt(expireTime);
        return counter.incrementAndGet();
    }

    /**
     * @param key * 
     * @param increment      * 
     * @return      * 
     * @Title: generate      * 
     * @Description: Atomically adds the given value to the current value.
     */
    public long generate(String key, int increment) {
        RedisAtomicLong counter = new RedisAtomicLong(key, redisTemplate.getConnectionFactory());
        return counter.addAndGet(increment);
    }

    /**
     * @param key * 
     * @param increment      * 
     * @param expireTime      * 
     * @return      * 
     * @Title: generate      * 
     * @Description: Atomically adds the given value to the current value.
     */
    public long generate(String key, int increment, Date expireTime) {
        RedisAtomicLong counter = new RedisAtomicLong(key, redisTemplate.getConnectionFactory());
        counter.expireAt(expireTime);
        return counter.addAndGet(increment);
    }
}

SequenceFactory

import org.springframework.beans.factory.annotation.Autowired;
import org.springframework.data.redis.core.RedisTemplate;
import org.springframework.data.redis.support.atomic.RedisAtomicLong;
import org.springframework.stereotype.Service;
import java.util.Date;
import java.util.concurrent.TimeUnit;

@Service
public class SequenceFactory {
    @Autowired
    RedisTemplate<String, String> redisTemplate;

    /**
     * @param key *
     * @param value      *
     * @param expireTime      *
     * @Title: set      *
     * @Description: set cache.
     */
    public void set(String key, int value, Date expireTime) {
        RedisAtomicLong counter = new RedisAtomicLong(key, redisTemplate.getConnectionFactory());
        counter.set(value);
        counter.expireAt(expireTime);
    }

    /**
     * @param key *
     * @param value      *
     * @param timeout      *
     * @param unit      *
     * @Title: set      *
     * @Description: set cache.
     */
    public void set(String key, int value, long timeout, TimeUnit unit) {
        RedisAtomicLong counter = new RedisAtomicLong(key, redisTemplate.getConnectionFactory());
        counter.set(value);
        counter.expire(timeout, unit);
    }

    /**
     * @param key *
     * @return      *
     * @Title: generate      *
     * @Description: Atomically increments by one the current value.
     */
    public long generate(String key) {
        RedisAtomicLong counter = new RedisAtomicLong(key, redisTemplate.getConnectionFactory());
        return counter.incrementAndGet();
    }

    /**
     * @param key *
     * @return      *
     * @Title: generate      *
     * @Description: Atomically increments by one the current value.
     */
    public long generate(String key, Date expireTime) {
        RedisAtomicLong counter = new RedisAtomicLong(key, redisTemplate.getConnectionFactory());
        counter.expireAt(expireTime);
        return counter.incrementAndGet();
    }

    /**
     * @param key *
     * @param increment      *
     * @return      *
     * @Title: generate      *
     * @Description: Atomically adds the given value to the current value.
     */
    public long generate(String key, int increment) {
        RedisAtomicLong counter = new RedisAtomicLong(key, redisTemplate.getConnectionFactory());
        return counter.addAndGet(increment);
    }

    /**
     * @param key *
     * @param increment      *
     * @param expireTime      *
     * @return      *
     * @Title: generate      *
     * @Description: Atomically adds the given value to the current value.
     */
    public long generate(String key, int increment, Date expireTime) {
        RedisAtomicLong counter = new RedisAtomicLong(key, redisTemplate.getConnectionFactory());
        counter.expireAt(expireTime);
        return counter.addAndGet(increment);
    }
}

它還可以統計“訪問量”

參考：https://blog.csdn.net/qq_35264464/article/details/79490664

開源方案

Flikr

基於int/bigint自增

優點
開發成本低
缺點
如果需要高性能，需要專門一套MySQL集羣只用於生成自增ID。可用性也不強

淺見：這種方案不太適合延展性，假設項目比較小，是不會有集羣的用武之地。

Snowflake

twitter利用zookeeper實現了一個全局ID生成的服務snowflake，https://github.com/twitter/snowflake，可以生成全局唯一的64bit ID。
ID構成如下：

時間--用前面41 bit來表示時間，精確到毫秒，可以表示69年的數據
機器ID--用10 bit來表示，也就是說可以部署1024臺機器
序列數--用12 bit來表示，意味着每臺機器，每毫秒最多可以生成4096個ID

優點
可用性強，速度快，id保存信息多
缺點
需要引入zookeeper和獨立的snowflake專用服務器

淺見：優缺點說明的很明確，需要獨立引入snowflake，對這個不熟悉的團隊還是避免使用這種技術，又不是練手害公司

instagram

instagram參考了flickr的方案，再結合twitter的經驗，利用Postgres數據庫的特性，實現了一個更簡單可靠的ID生成服務。

使用41 bit來存放時間，精確到毫秒，可以使用41年。
使用13 bit來存放邏輯分片ID。
使用10 bit來存放自增長ID，意味着每臺機器，每毫秒最多可以生成1024個ID

優點
開發成本低
缺點
基於postgreSQL的存儲過程，通用性差

淺見：通用性問題，如果使用的數據庫恰巧是postgreSQL可以使用這種方案，但假設沒用用到或者規劃中不會使用，建議採用別的方式。

總結

因爲現在大部分互聯網會使用redis和zk，所以建議使用zk和redis方式來生成隨機id，作爲訂單id也好，個人認爲設計原則就是生成的“容器”是脫離分佈式環境的單線程實例，所以可以自己去生成，大道至簡。

實戰 —— 生存唯一隨機數

文章目錄

實戰 —— 生存唯一隨機數

前言

實戰

UUID 真的唯一嗎

通過zookeeper生成隨機數

注意

通過redis

它還可以統計“訪問量”

開源方案

Flikr

Snowflake

instagram

總結

Spring Boot Druid 如何配置？

Java 基礎 ——HashMap構造、PUT、GET

弗蘭克

線程池 —— 認識ThreadPoolExecuotr

Java 基礎 —— HashMap

https://yachay.unat.edu.pe/blog/index.php?comment_area=format_blog&comment_component=blog&comment_co

linux以太網驅動總結