SpringBoot基于Redis實現生成全局唯一ID的方法

更新時間：2023年12月21日 09:30:28 作者：在下小吉.

在項目中生成全局唯一ID有很多好處,生成全局唯一ID有助于提高系統的可用性、數據的完整性和安全性,同時也方便數據的管理和分析,所以本文給大家介紹了SpringBoot基于Redis實現生成全局唯一ID的方法,文中有詳細的代碼講解,需要的朋友可以參考下

生成全局唯一ID

是一種在分布式系統下用來生成全局唯一id的工具

請?zhí)砑訄D片描述

在項目中生成全局唯一ID有很多好處，其中包括：

數據庫主鍵：在數據庫中，唯一ID可以作為主鍵，確保每條記錄的唯一性，便于快速檢索和更新數據。
分布式系統：在分布式系統中，生成全局唯一ID可以避免不同節(jié)點生成相同的ID，確保整個系統的數據一致性。
日志追蹤：在日志系統中，給每條日志分配唯一ID可以方便進行日志的追蹤和分析。
安全性：某些場景下，需要對數據進行加密或者數據權限控制，唯一ID可以作為安全機制的一部分。
緩存鍵值：在緩存系統中，使用唯一ID作為鍵值可以避免不同數據之間的沖突。
數據分片：在分布式存儲系統中，唯一ID可以作為數據分片的標識，便于數據的存儲和查詢。

總之，生成全局唯一ID有助于提高系統的可用性、數據的完整性和安全性，同時也方便數據的管理和分析。因此，在許多項目中都會需要生成全局唯一ID來滿足系統的需求。

為什么要生成全局唯一id

生成全局唯一ID的主要目的是確保系統中的實體（如對象、記錄、消息等）具有唯一性標識。以下是一些常見的原因：

數據唯一性：全局唯一ID可以確保在系統中每個實體都有一個獨一無二的標識符，避免數據沖突和重復。
數據庫索引：全局唯一ID通常用作數據庫表的主鍵或索引，以提高數據查詢和檢索的效率。
分布式系統：在分布式系統中，各個節(jié)點可能同時生成ID，為了避免ID的沖突，需要使用全局唯一ID算法確保整個系統中的ID唯一性。
數據跟蹤與關聯：通過給實體分配唯一ID，可以輕松追蹤和關聯數據，例如日志記錄、事務管理、審計等。
安全性和權限控制：全局唯一ID可以用于確保數據的安全性和權限控制，限制對特定實體的訪問和操作。
緩存與緩存失效：在緩存系統中，使用全局唯一ID作為緩存鍵，可以確保不同實體之間的鍵不會沖突，并且在緩存失效時能夠正確地重新加載數據。

總結來說，生成全局唯一ID有助于確保數據的唯一性、提高系統的可用性和性能，并支持數據跟蹤、安全性和權限控制等功能。這在許多系統和應用中都是一個重要的需求。

生成全局id的方法

請?zhí)砑訄D片描述

代碼實現

ID生成器的算法如下

在這里插入圖片描述

我們要先生成時間戳，在生成序列號，然后進行拼接

package com.hmdp.utils;

import org.springframework.data.redis.core.StringRedisTemplate;
import org.springframework.stereotype.Component;

import java.time.LocalDateTime;
import java.time.ZoneOffset;
import java.time.format.DateTimeFormatter;

@Component
public class RedisIdWorker {
    /**
     * 開始時間戳
     */
    private static final long BEGIN_TIMESTAMP = 1640995200L;
    /**
     * 序列號的位數
     */
    private static final int COUNT_BITS = 32;

    private StringRedisTemplate stringRedisTemplate;

    public RedisIdWorker(StringRedisTemplate stringRedisTemplate) {
        this.stringRedisTemplate = stringRedisTemplate;
    }

    public long nextId(String keyPrefix) {
        // 1.生成時間戳
        LocalDateTime now = LocalDateTime.now();
        long nowSecond = now.toEpochSecond(ZoneOffset.UTC);
        long timestamp = nowSecond - BEGIN_TIMESTAMP;

        // 2.生成序列號
        // 2.1.獲取當前日期，精確到天
        String date = now.format(DateTimeFormatter.ofPattern("yyyy:MM:dd"));
        // 2.2.自增長
        long count = stringRedisTemplate.opsForValue().increment("icr:" + keyPrefix + ":" + date);

        // 3.拼接并返回
        return timestamp << COUNT_BITS | count;
    }
}

這段代碼的 timestamp << COUNT_BITS | count;是怎么算出序列號的

在這里插入圖片描述

在這段代碼中，timestamp << COUNT_BITS | count 是通過位運算來生成最終的ID值。

首先，timestamp 是時間戳，代表了從開始時間戳到當前時間的秒數差。COUNT_BITS 是序列號的位數，這里是32位。

位運算符 << 是左移操作符，將 timestamp 的二進制表示向左移動 COUNT_BITS 位，就是將時間戳占據高位。這樣做是為了給序列號騰出足夠的空間。

然后，使用位運算符 | 進行按位或操作，將左移后的時間戳與序列號 count 進行按位或操作，合并它們的二進制表示。

最終得到的結果就是一個64位的ID，其中高位是時間戳部分，低位是序列號部分。

編寫代碼進行測試

在這里插入圖片描述

package com.hmdp;

import com.hmdp.entity.Shop;
import com.hmdp.service.impl.ShopServiceImpl;
import com.hmdp.utils.CacheClient;
import com.hmdp.utils.RedisIdWorker;
import org.junit.jupiter.api.Test;
import org.springframework.boot.test.context.SpringBootTest;
import org.springframework.data.geo.Point;
import org.springframework.data.redis.connection.RedisGeoCommands;
import org.springframework.data.redis.core.StringRedisTemplate;

import javax.annotation.Resource;
import java.util.ArrayList;
import java.util.List;
import java.util.Map;
import java.util.concurrent.CountDownLatch;
import java.util.concurrent.ExecutorService;
import java.util.concurrent.Executors;
import java.util.concurrent.TimeUnit;
import java.util.stream.Collectors;

import static com.hmdp.utils.RedisConstants.CACHE_SHOP_KEY;
import static com.hmdp.utils.RedisConstants.SHOP_GEO_KEY;

@SpringBootTest
class HmDianPingApplicationTests {

    @Resource
    private CacheClient cacheClient;

    @Resource
    private ShopServiceImpl shopService;

    @Resource
    private RedisIdWorker redisIdWorker;

		private ExecutorService es = Executors.newFixedThreadPool(500);

    @Test
    void testIdWorker() throws InterruptedException {
        CountDownLatch latch = new CountDownLatch(300);

        Runnable task = () -> {
            for (int i = 0; i < 100; i++) {
                long id = redisIdWorker.nextId("order");
                System.out.println("id = " + id);
            }
            latch.countDown();
        };
        long begin = System.currentTimeMillis();
        for (int i = 0; i < 300; i++) {
            es.submit(task);
        }
        latch.await(); //等待上面的結束
        long end = System.currentTimeMillis();
        System.out.println("time = " + (end - begin));
    }

    @Test
    void testSaveShop() throws InterruptedException {
        Shop shop = shopService.getById(1L);
        cacheClient.setWithLogicalExpire(CACHE_SHOP_KEY + 1L, shop, 10L, TimeUnit.SECONDS);
    }
}