欧美bbbwbbbw肥妇,免费乱码人妻系列日韩,一级黄片

SpringBoot基于Redis實(shí)現(xiàn)生成全局唯一ID的方法

 更新時(shí)間:2023年12月21日 09:30:28   作者:在下小吉.  
在項(xiàng)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(tǒng)的可用性、數(shù)據(jù)的完整性和安全性,同時(shí)也方便數(shù)據(jù)的管理和分析,所以本文給大家介紹了SpringBoot基于Redis實(shí)現(xiàn)生成全局唯一ID的方法,文中有詳細(xì)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(tǒng)下用來(lái)生成全局唯一id的工具

請(qǐng)?zhí)砑訄D片描述

在項(xiàng)目中生成全局唯一ID有很多好處,其中包括:

  • 數(shù)據(jù)庫(kù)主鍵:在數(shù)據(jù)庫(kù)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(shù)據(jù)。
  • 分布式系統(tǒng):在分布式系統(tǒng)中,生成全局唯一ID可以避免不同節(jié)點(diǎn)生成相同的ID,確保整個(gè)系統(tǒng)的數(shù)據(jù)一致性。
  • 日志追蹤:在日志系統(tǒng)中,給每條日志分配唯一ID可以方便進(jìn)行日志的追蹤和分析。
  • 安全性:某些場(chǎng)景下,需要對(duì)數(shù)據(jù)進(jìn)行加密或者數(shù)據(jù)權(quán)限控制,唯一ID可以作為安全機(jī)制的一部分。
  • 緩存鍵值:在緩存系統(tǒng)中,使用唯一ID作為鍵值可以避免不同數(shù)據(jù)之間的沖突。
  • 數(shù)據(jù)分片:在分布式存儲(chǔ)系統(tǒng)中,唯一ID可以作為數(shù)據(jù)分片的標(biāo)識(shí),便于數(shù)據(jù)的存儲(chǔ)和查詢(xún)。

總之,生成全局唯一ID有助于提高系統(tǒng)的可用性、數(shù)據(jù)的完整性和安全性,同時(shí)也方便數(shù)據(jù)的管理和分析。因此,在許多項(xiàng)目中都會(huì)需要生成全局唯一ID來(lái)滿(mǎn)足系統(tǒng)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(tǒng)中的實(shí)體(如對(duì)象、記錄、消息等)具有唯一性標(biāo)識(shí)。以下是一些常見(jiàn)的原因:

  • 數(shù)據(jù)唯一性:全局唯一ID可以確保在系統(tǒng)中每個(gè)實(shí)體都有一個(gè)獨(dú)一無(wú)二的標(biāo)識(shí)符,避免數(shù)據(jù)沖突和重復(fù)。
  • 數(shù)據(jù)庫(kù)索引:全局唯一ID通常用作數(shù)據(jù)庫(kù)表的主鍵或索引,以提高數(shù)據(jù)查詢(xún)和檢索的效率。
  • 分布式系統(tǒng):在分布式系統(tǒng)中,各個(gè)節(jié)點(diǎn)可能同時(shí)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(gè)系統(tǒng)中的ID唯一性。
  • 數(shù)據(jù)跟蹤與關(guān)聯(lián):通過(guò)給實(shí)體分配唯一ID,可以輕松追蹤和關(guān)聯(lián)數(shù)據(jù),例如日志記錄、事務(wù)管理、審計(jì)等。
  • 安全性和權(quán)限控制:全局唯一ID可以用于確保數(shù)據(jù)的安全性和權(quán)限控制,限制對(duì)特定實(shí)體的訪(fǎng)問(wèn)和操作。
  • 緩存與緩存失效:在緩存系統(tǒng)中,使用全局唯一ID作為緩存鍵,可以確保不同實(shí)體之間的鍵不會(huì)沖突,并且在緩存失效時(shí)能夠正確地重新加載數(shù)據(jù)。

總結(jié)來(lái)說(shuō),生成全局唯一ID有助于確保數(shù)據(jù)的唯一性、提高系統(tǒng)的可用性和性能,并支持?jǐn)?shù)據(jù)跟蹤、安全性和權(quán)限控制等功能。這在許多系統(tǒng)和應(yīng)用中都是一個(gè)重要的需求。

生成全局id的方法

請(qǐng)?zhí)砑訄D片描述

代碼實(shí)現(xiàn)

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(shí)間戳,在生成序列號(hào),然后進(jìn)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(kāi)始時(shí)間戳
     */
    private static final long BEGIN_TIMESTAMP = 1640995200L;
    /**
     * 序列號(hào)的位數(shù)
     */
    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(shí)間戳
        LocalDateTime now = LocalDateTime.now();
        long nowSecond = now.toEpochSecond(ZoneOffset.UTC);
        long timestamp = nowSecond - BEGIN_TIMESTAMP;

        // 2.生成序列號(hào)
        // 2.1.獲取當(dāng)前日期,精確到天
        String date = now.format(DateTimeFormatter.ofPattern("yyyy:MM:dd"));
        // 2.2.自增長(zhǎng)
        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(hào)的

在這里插入圖片描述

在這段代碼中,timestamp << COUNT_BITS | count 是通過(guò)位運(yùn)算來(lái)生成最終的ID值。

首先,timestamp 是時(shí)間戳,代表了從開(kāi)始時(shí)間戳到當(dāng)前時(shí)間的秒數(shù)差。COUNT_BITS 是序列號(hào)的位數(shù),這里是32位。

位運(yùn)算符 << 是左移操作符,將 timestamp 的二進(jìn)制表示向左移動(dòng) COUNT_BITS 位,就是將時(shí)間戳占據(jù)高位。這樣做是為了給序列號(hào)騰出足夠的空間。

然后,使用位運(yùn)算符 | 進(jìn)行按位或操作,將左移后的時(shí)間戳與序列號(hào) count 進(jìn)行按位或操作,合并它們的二進(jìn)制表示。

最終得到的結(jié)果就是一個(gè)64位的ID,其中高位是時(shí)間戳部分,低位是序列號(hào)部分。

編寫(xiě)代碼進(jìn)行測(cè)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(jié)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);
    }
}

在技術(shù)的道路上,我們不斷探索、不斷前行,不斷面對(duì)挑戰(zhàn)、不斷突破自我??萍嫉陌l(fā)展改變著世界,而我們作為技術(shù)人員,也在這個(gè)過(guò)程中書(shū)寫(xiě)著自己的篇章。讓我們攜手并進(jìn),共同努力,開(kāi)創(chuàng)美好的未來(lái)!愿我們?cè)诳萍嫉恼魍旧喜粩鄪^進(jìn),創(chuàng)造出更加美好、更加智能的明天!

以上就是SpringBoot基于Redis實(shí)現(xiàn)生成全局唯一ID的方法的詳細(xì)內(nèi)容,更多關(guān)于SpringBoot Redis全局唯一ID的資料請(qǐng)關(guān)注腳本之家其它相關(guān)文章!

相關(guān)文章

最新評(píng)論