業(yè)務(wù)系統(tǒng)訂單號(hào)，流水號(hào)生成規(guī)則

一、前言

在實(shí)際的軟件系統(tǒng)開(kāi)發(fā)過(guò)程中，由于業(yè)務(wù)的需要，我們經(jīng)常需要生成業(yè)務(wù)單號(hào)，例如訂單號(hào)、快遞單號(hào)、入庫(kù)單號(hào)、投訴服務(wù)單號(hào)等等。

本文主要以討論電商的訂單編號(hào)規(guī)則為案例，其他類型的服務(wù)編號(hào)設(shè)計(jì)思路其實(shí)也是相似的。

設(shè)計(jì)業(yè)務(wù)系統(tǒng)訂單號(hào)，流水號(hào)注意事項(xiàng)

  • 唯一性：確保在分布式環(huán)境下ID不重復(fù)
  • 有序性：ID隨時(shí)間遞增，有利于數(shù)據(jù)庫(kù)索引性能
  • 可讀性：包含時(shí)間信息，便于人工識(shí)別
  • 擴(kuò)展性：支持業(yè)務(wù)前綴和類型區(qū)分
  • 性能：本地生成，無(wú)網(wǎng)絡(luò)開(kāi)銷(xiāo)
  • 高并發(fā)：考慮線程安全，避免阻塞

根據(jù)實(shí)際業(yè)務(wù)需求，可以調(diào)整各部分位數(shù)分配，例如增加機(jī)器ID位數(shù)或減少序列號(hào)位數(shù)。

訂單命名的幾種規(guī)則總結(jié)：

  • 不重復(fù)：這點(diǎn)我相信大家都懂，必須全局唯一
  • 安全性：訂單號(hào)需要做到不容易被人為的猜測(cè)或者推測(cè)出來(lái)，例如訂單號(hào)就是流水號(hào)的話，那么別人就很容易從訂單號(hào)推測(cè)出公司的整體運(yùn)營(yíng)情況。
  • 禁用隨機(jī)碼：很多人分析生成訂單號(hào)的時(shí)候，第一個(gè)念頭肯定是不重復(fù)唯一性，那么第二個(gè)念頭可能就是安全性，想要同時(shí)滿足前兩者，很容易想到使用隨機(jī)碼，隨機(jī)碼從一定程度來(lái)說(shuō)，更安全、不重復(fù)性更高，但是可讀性差，有概率會(huì)發(fā)生重復(fù)。
  • 防止并發(fā)：針對(duì)系統(tǒng)的并發(fā)業(yè)務(wù)場(chǎng)景(如秒殺)，需要做到并發(fā)場(chǎng)景下，訂單編號(hào)生成快速、不重復(fù)等要求
  • 控制位數(shù)：訂單號(hào)的位數(shù)盡量在 10 位 ～ 18 位之間。太短的情況下，如果交易量過(guò)大，很難做到防止重復(fù)，太長(zhǎng)可讀性差、意義也不大。

二、方案實(shí)踐

2.1、方案一：UUID

UUID 是Universally Unique Indentifier的縮寫(xiě)，翻譯為通用唯一識(shí)別碼，顧名思義 UUID 是一個(gè)用于記錄唯一標(biāo)識(shí)一條的數(shù)據(jù)，其按照開(kāi)放軟件基金會(huì)（OSF）指定的標(biāo)準(zhǔn)進(jìn)行計(jì)算，用到了以太網(wǎng)卡地址（MAC）、納秒級(jí)時(shí)間、芯片 ID 碼和許多可能的數(shù)字。

總的來(lái)說(shuō)，UUID 碼由以下三部分組成：

  • 當(dāng)前日期和時(shí)間
  • 時(shí)鐘序列
  • 全局唯一的 IEEE 機(jī)器識(shí)別碼（如果有網(wǎng)卡從網(wǎng)卡獲得，沒(méi)有網(wǎng)卡則通過(guò)其他方式獲得）

UUID 的標(biāo)準(zhǔn)形式包含 32 個(gè) 16 進(jìn)制數(shù)字，以連字號(hào)分為五段，示例：00000191-adc6-4314-8799-5c3d737aa7de。

以java為例，通過(guò)以下方式即可生成：

String uuid = UUID.randomUUID().toString();

這種方案，雖然實(shí)現(xiàn)簡(jiǎn)單、方便；但是數(shù)據(jù)庫(kù)查詢效率非常差，而且內(nèi)容長(zhǎng)，在實(shí)際的項(xiàng)目場(chǎng)景開(kāi)發(fā)中，一般用于于記錄用戶的手機(jī)設(shè)備ID等硬件信息！

因此不推薦采用 uuid 來(lái)生成訂單編號(hào)！

2.2、方案二：數(shù)據(jù)庫(kù)自增

所謂數(shù)據(jù)庫(kù)自增，意思是在數(shù)據(jù)庫(kù)中給某個(gè)列設(shè)置為自增列，并且給該列設(shè)置一個(gè)初始值，代碼層面無(wú)需任何特殊處理，以 Mysql 的用戶表 ID 列為例，可以通過(guò)如下方式在創(chuàng)建表的時(shí)候生產(chǎn)。

CREATE TABLE `tb_user` (
  `id` bigint(20) unsigned NOT NULL AUTO_INCREMENT,
  `name` varchar(20) DEFAULT NULL,
  PRIMARY KEY (`id`)
) ENGINE=InnoDB AUTO_INCREMENT=1 DEFAULT CHARSET=utf8mb4 COLLATE=utf8mb4_0900_ai_ci;

這種通過(guò)數(shù)據(jù)庫(kù)自增方式實(shí)現(xiàn)唯一值，在單體服務(wù)下是沒(méi)有問(wèn)題，但是在大流量分布式服務(wù)環(huán)境下，并發(fā)性能很低。

以后數(shù)量大的時(shí)候，需要對(duì) mysql 進(jìn)行分庫(kù)分表，此時(shí)訂單號(hào)會(huì)重復(fù)，因此不推薦采用！

2.3、方案三：雪花算法

Snowflake（中文簡(jiǎn)稱：雪花算法） 是 Twitter 內(nèi)部的一個(gè) ID 生算法，可以通過(guò)一些簡(jiǎn)單的規(guī)則保證在大規(guī)模分布式情況下生成唯一的 ID 號(hào)碼。其內(nèi)部結(jié)構(gòu)如下：


image.png

可以很清晰的看出，Snowflake 由 4個(gè)部分組成：

  • 第一部分：bit 值，為未使用的符號(hào)位
  • 第二部分：由 41 位的時(shí)間戳（毫秒）構(gòu)成，它的取值是當(dāng)前時(shí)間相對(duì)于某一時(shí)間的偏移
  • 第三部分：表示工作機(jī)器 id，由服務(wù)節(jié)點(diǎn) id 和數(shù)據(jù)中心 id 組合而成
  • 第四部分：表示每個(gè)工作機(jī)器每毫秒生成的序列號(hào) ID，同一毫秒內(nèi)最多可生成生產(chǎn) 4095 個(gè) ID。

由于在 Java 中 64bit 的整數(shù)是 long 類型，因此在 Java 中 SnowFlake 算法生成的 id 就是 long 來(lái)存儲(chǔ)的。

SnowFlake 算法可以保證：

  • 1.所有生成的 id 按時(shí)間趨勢(shì)遞增
  • 2.整個(gè)分布式系統(tǒng)內(nèi)不會(huì)產(chǎn)生重復(fù)id（因?yàn)橛蟹?wù)節(jié)點(diǎn) id 和數(shù)據(jù)中心 id 來(lái)做區(qū)分）

需要注意的是：
在分布式環(huán)境中，5 個(gè) bit 位的 datacenter 和 worker 表示最多能部署 31 個(gè)數(shù)據(jù)中心，每個(gè)數(shù)據(jù)中心最多可部署 31 臺(tái)節(jié)點(diǎn)。

  • 41 位的二進(jìn)制長(zhǎng)度最多能表示2^41 -1毫秒即 69 年，所以雪花算法最多能正常使用 69 年，為了能最大限度的使用該算法，在使用的時(shí)候，應(yīng)該為其指定一個(gè)開(kāi)始時(shí)間，不然會(huì)發(fā)生重復(fù)！
import java.time.Instant;
 
/**
 * 分布式ID生成器(基于雪花算法改進(jìn))
 */
public class DistributedIdGenerator {
    // 起始時(shí)間戳(2024-01-01)
    private final static long START_TIMESTAMP = 1704067200000L;
    
    // 機(jī)器ID所占位數(shù)
    private final static long WORKER_ID_BITS = 5L;
    
    // 數(shù)據(jù)中心ID所占位數(shù)
    private final static long DATACENTER_ID_BITS = 5L;
    
    // 序列號(hào)所占位數(shù)
    private final static long SEQUENCE_BITS = 12L;
    
    // 最大機(jī)器ID
    private final static long MAX_WORKER_ID = ~(-1L << WORKER_ID_BITS);
    
    // 最大數(shù)據(jù)中心ID
    private final static long MAX_DATACENTER_ID = ~(-1L << DATACENTER_ID_BITS);
    
    // 機(jī)器ID左移位數(shù)
    private final static long WORKER_ID_SHIFT = SEQUENCE_BITS;
    
    // 數(shù)據(jù)中心ID左移位數(shù)
    private final static long DATACENTER_ID_SHIFT = SEQUENCE_BITS + WORKER_ID_BITS;
    
    // 時(shí)間戳左移位數(shù)
    private final static long TIMESTAMP_LEFT_SHIFT = SEQUENCE_BITS + WORKER_ID_BITS + DATACENTER_ID_BITS;
    
    // 序列號(hào)掩碼
    private final static long SEQUENCE_MASK = ~(-1L << SEQUENCE_BITS);
    
    private final long workerId;
    private final long datacenterId;
    private long sequence = 0L;
    private long lastTimestamp = -1L;
    
    public DistributedIdGenerator(long workerId, long datacenterId) {
        if (workerId > MAX_WORKER_ID || workerId < 0) {
            throw new IllegalArgumentException("workerId不合法");
        }
        if (datacenterId > MAX_DATACENTER_ID || datacenterId < 0) {
            throw new IllegalArgumentException("datacenterId不合法");
        }
        this.workerId = workerId;
        this.datacenterId = datacenterId;
    }
    
    public synchronized long nextId() {
        long timestamp = timeGen();
        
        if (timestamp < lastTimestamp) {
            throw new RuntimeException("時(shí)鐘回?fù)墚惓?);
        }
        
        if (timestamp == lastTimestamp) {
            sequence = (sequence + 1) & SEQUENCE_MASK;
            if (sequence == 0) {
                timestamp = tilNextMillis(lastTimestamp);
            }
        } else {
            sequence = 0L;
        }
        
        lastTimestamp = timestamp;
        
        return ((timestamp - START_TIMESTAMP) << TIMESTAMP_LEFT_SHIFT)
                | (datacenterId << DATACENTER_ID_SHIFT)
                | (workerId << WORKER_ID_SHIFT)
                | sequence;
    }
    
    private long tilNextMillis(long lastTimestamp) {
        long timestamp = timeGen();
        while (timestamp <= lastTimestamp) {
            timestamp = timeGen();
        }
        return timestamp;
    }
    
    private long timeGen() {
        return Instant.now().toEpochMilli();
    }
    
    /**
     * 將生成的ID轉(zhuǎn)換為訂單號(hào)
     */
    public static String convertToOrderNo(long id) {
        return "ORD" + id;
    }
}

使用

// 修改日期格式
private static final String DATE_FORMAT = "yyyyMMddHHmmss";
 
// 修改序列號(hào)長(zhǎng)度
private static final int SERIAL_NUMBER_LENGTH = 4;
 
// 修改訂單前綴
private static final String ORDER_PREFIX = "ORD";

在高并發(fā)的環(huán)境下，Snowflake 算法可以生成全局唯一的訂單編號(hào)，但是他的長(zhǎng)度達(dá)到21位，因此不推薦采用，但是可以用它來(lái)生成主鍵 ID，是完全沒(méi)有問(wèn)題的！

2.4、方案四：分布式組件

要想在分布式環(huán)境下生成一個(gè)唯一的訂單編號(hào)，我們可以通過(guò)分布式組件的方式，來(lái)幫忙我們生成全局唯一的訂單號(hào)，例如我們可以采用 redis 分布式緩存組件中的incr命令，來(lái)幫我們生成一個(gè)全局自增長(zhǎng)的序列號(hào)！

實(shí)現(xiàn)邏輯如下：

//基于某個(gè)key實(shí)現(xiàn)自增長(zhǎng)
String res = jedis.get(key);
if (StringUtils.isBlank(res)) {
    jedisClient.set(key, INIT_ID);//設(shè)置自增長(zhǎng)的初始值，INIT_ID 是初始值
    jedisClient.expire(key, seconds);//設(shè)置過(guò)期時(shí)間，seconds 是多少秒過(guò)期
}
long orderId = jedis.incr(key);//存在就生成+1的訂單號(hào)

這種方式生成的自增長(zhǎng)序列號(hào)，非常的快，可以很好的滿足大流量環(huán)境下的編號(hào)要求唯一的特性！
剩下的主要工作就是我們?nèi)绾稳ピO(shè)計(jì)一個(gè)訂單號(hào)規(guī)則！
在設(shè)計(jì)規(guī)則之前，我們先來(lái)看看互聯(lián)網(wǎng)幾個(gè)大廠的訂單號(hào)格式。

  • 京東商城訂單號(hào)格式：157444499
  • 蘇寧易購(gòu)訂單號(hào)格式：2000839647
  • 凡客誠(chéng)品訂單號(hào)格式：213052230059
  • 銀泰網(wǎng)訂單號(hào)格式：10030522161715
  • 小米訂單號(hào)格式：1111218032345170

我們先來(lái)分析一下凡客誠(chéng)品和銀泰網(wǎng)的訂單號(hào)生成規(guī)則。凡客誠(chéng)品和銀泰網(wǎng)訂單號(hào)都含有 0522，這是因?yàn)檫@ 2 張訂單都是2013年5月22號(hào)下的訂單。

基本猜測(cè)一下，凡客的訂單規(guī)則是：業(yè)務(wù)編碼+年的后2位+月+日+訂單數(shù)；泰網(wǎng)的訂單號(hào)規(guī)則：年的第三位數(shù)+業(yè)務(wù)編碼+年的后1位+月+日+訂單數(shù)；而京東商城和蘇寧易購(gòu)的訂單號(hào)看不出規(guī)則。

最后我們來(lái)分析一下小米訂單號(hào)1111218032345170，可以將其分解成四個(gè)部分1——111218—03234—5170。

  • 第一部分，1 表示購(gòu)買(mǎi)，2 表示退貨。
  • 第二部分，表示 2011 年 12 月 18 日下的單，前面兩位省掉了。
  • 第三部分，時(shí)間戳對(duì)應(yīng)00:53:54，換算成秒是03234秒。
  • 最后一部分，表示在同一秒內(nèi)下的第 5170 單，也就是說(shuō)，小米認(rèn)為，在一秒內(nèi)不會(huì)超過(guò)一萬(wàn)個(gè)訂單。

總結(jié)起來(lái)，小米的訂單規(guī)則是：業(yè)務(wù)編碼+年的后 2 位+月+日+秒+訂單數(shù)，固定長(zhǎng)度為16，這種訂單號(hào)規(guī)則可以保證 100 年不會(huì)重復(fù)！

同樣的，借鑒小米的訂單號(hào)規(guī)則，我們也可以生成同樣的訂單號(hào)，實(shí)現(xiàn)過(guò)程如下：

import org.apache.commons.lang3.StringUtils;
import java.time.Duration;
import java.time.LocalDate;
import java.time.LocalDateTime;
import java.time.format.DateTimeFormatter;

public class OrderNoGeneratorUtil {

    private static final DateTimeFormatter formatter = DateTimeFormatter.ofPattern("yyyyMMdd");

    public static String generate() {
        //獲取當(dāng)前時(shí)間
        LocalDateTime currentTime = LocalDateTime.now();
        //格式化當(dāng)前時(shí)間為【年+月+日】
        String originDateStr = LocalDateTime.now().format(formatter);
        //計(jì)算當(dāng)前時(shí)間走過(guò)的秒
        Duration duration = Duration.between(LocalDate.now().atStartOfDay(), currentTime);
        // 獲取相差的秒數(shù)
        long differSecond = duration.getSeconds(); 
        //獲取【年+月+日+秒】，秒的長(zhǎng)度不足補(bǔ)充0
        String yyMMddSecond = originDateStr +  StringUtils.leftPad(String.valueOf(differSecond), 5, '0');

        //獲取【業(yè)務(wù)編碼: 1:表示購(gòu)買(mǎi)、2:表示退貨】 + 【年+月+日+秒】，作為自增key；
        String prefixOrder = "1" + yyMMddSecond;
        //通過(guò)key，采用redis自增函數(shù)，實(shí)現(xiàn)單秒自增；不同的key，從0開(kāi)始自增，同時(shí)設(shè)置60秒過(guò)期
        Long incrId = redisUtils.saveINCR(prefixComplaint, 60);
        //生成訂單編號(hào)
        return  prefixOrder + StringUtils.leftPad(String.valueOf(incrId), 4, '0');
    }
}

此訂單編號(hào)可以保證大流量環(huán)境下全局唯一、生成速度非常的快、支持高并發(fā)環(huán)境，同時(shí)還支持按時(shí)間排序！

三、總結(jié)

通過(guò)上面的示例演示，我們可用做一個(gè)詳細(xì)的總結(jié)！


image.png

綜上所述，在大流量的環(huán)境下，我們可以通過(guò) redis 的incr函數(shù)實(shí)現(xiàn)序列號(hào)自增的特性，同時(shí)搭配訂單的設(shè)計(jì)規(guī)則，從而保證高并發(fā)的環(huán)境下，訂單唯一性！

參考：
https://www.zhihu.com/question/21128632/answer/2293633424

https://blog.csdn.net/dongjing991/article/details/147897247

最后編輯于 ：
?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請(qǐng)聯(lián)系作者
【社區(qū)內(nèi)容提示】社區(qū)部分內(nèi)容疑似由AI輔助生成，瀏覽時(shí)請(qǐng)結(jié)合常識(shí)與多方信息審慎甄別。
平臺(tái)聲明：文章內(nèi)容（如有圖片或視頻亦包括在內(nèi)）由作者上傳并發(fā)布，文章內(nèi)容僅代表作者本人觀點(diǎn)，簡(jiǎn)書(shū)系信息發(fā)布平臺(tái)，僅提供信息存儲(chǔ)服務(wù)。

相關(guān)閱讀更多精彩內(nèi)容

友情鏈接更多精彩內(nèi)容