在我们的工作中，数据库某些表的字段会用到唯一的，趋势递增的订单编号，我们将介绍两种方法，一种是传统的采用随机数生成的方式，另外一种是采用当前比较流行的“分布式唯一ID生成算法-雪花算法”来实现。
一、时间戳随机数生成唯一ID
我们写一个for循环，用
RandomUtil.generateOrderCode()生成1000个唯一ID，执行结果我们会发现出现重复的ID。
/**
* 随机数生成util
**/
public class RandomUtil {
private static final SimpleDateFormat dateFormatOne=new SimpleDateFormat("yyyyMMddHHmmssSS");
private static final ThreadLocalRandom random=ThreadLocalRandom.current();
//生成订单编号-方式一
public static String generateOrderCode(){
//TODO:时间戳+N为随机数流水号
return dateFormatOne.format(DateTime.now().toDate()) + generateNumber(4);
}
//N为随机数流水号
public static String generateNumber(final int num){
StringBuffer sb=new StringBuffer();
for (int i=1;i<=num;i++){
sb.append(random.nextInt(9));
}
return sb.toString();
}
}
鉴于此种“基于随机数生成”的方式在高并发的场景下并不符合我们的要求，接下来，我们将介绍另外一种比较流行的、典型的方式，即“分布式唯一ID生成算法-雪花算法”来实现。
对于“雪花算法”的介绍，各位小伙伴可以参考Github上的这一链接，我觉得讲得还是挺清晰的：
github/souyunku/SnowFlake ，详细的Debug在这里就不赘述了，下面截取了部分概述：
二、分布式唯一ID生成算法-雪花算法
我们写一个for循环，用SNOW_FLAKE.nextId() 生成1000个唯一ID，发现不会出现重复的。
/* 雪花算法
*/
public class SnowFlake {
//起始的时间戳
private final static long START_STAMP=1480166465631L;
//每一部分占用的位数
private final static long SEQUENCE_BIT=12; //序列号占用的位数
private final static long MACHINE_BIT=5; //机器标识占用的位数
private final static long DATA_CENTER_BIT=5;//二手手游卖号数据中心占用的位数
//每一部分的最大值
private final static long MAX_DATA_CENTER_NUM=-1L ^ (-1L << DATA_CENTER_BIT);
private final static long MAX_MACHINE_NUM=-1L ^ (-1L << MACHINE_BIT);
private final static long MAX_SEQUENCE=-1L ^ (-1L << SEQUENCE_BIT);
//每一部分向左的位移
private final static long MACHINE_LEFT=SEQUENCE_BIT;
private final static long DATA_CENTER_LEFT=SEQUENCE_BIT + MACHINE_BIT;
private final static long TIMESTAMP_LEFT=DATA_CENTER_LEFT + DATA_CENTER_BIT;
private long dataCenterId; //数据中心
private long machineId; //机器标识
private long sequence=0L; //序列号
private long lastStamp=-1L;//上一次时间戳
public SnowFlake(long dataCenterId, long machineId) {
if (dataCenterId > MAX_DATA_CENTER_NUM || dataCenterId < 0) {
throw new IllegalArgumentException("dataCenterId can't be greater than MAX_DATA_CENTER_NUM or less than 0");
}
if (machineId > MAX_MACHINE_NUM || machineId < 0) {
throw new IllegalArgumentException("machineId can't be greater than MAX_MACHINE_NUM or less than 0");
}
this.dataCenterId=dataCenterId;
this.machineId=machineId;
}
//产生下一个ID
public synchronized long nextId() {
long currStamp=getNewStamp();
if (currStamp < lastStamp) {
throw new RuntimeException("Clock moved backwards. Refusing to generate id");
}
if (currStamp==lastStamp) {
//相同毫秒内，序列号自增
sequence=(sequence + 1) & MAX_SEQUENCE;
//同一毫秒的序列数已经达到最大
if (sequence==0L) {
currStamp=getNextMill();
}
} else {
//不同毫秒内，序列号置为0
sequence=0L;
}
lastStamp=currStamp;
return (currStamp - START_STAMP) << TIMESTAMP_LEFT //时间戳部分
| dataCenterId << DATA_CENTER_LEFT //数据中心部分
| machineId << MACHINE_LEFT //机器标识部分
| sequence; //序列号部分
}
private long getNextMill() {
long mill=getNewStamp();
while (mill <=lastStamp) {
mill=getNewStamp();
}
return mill;
}
private long getNewStamp() {
return System.currentTimeMillis();
}
}
综上，我们在高并发大量生成唯一ID时，避免生成重复ID，需要用第二种雪花算法生成。
