【SpringBoot篇】基于Redis实现生成全局唯一ID的方法_业界新闻

发布时间:2024-07-13 20:42

阅读量:0

文章目录

🍔生成全局唯一ID
🌹为什么要生成全局唯一id
🌺生成全局id的方法
✨代码实现

🍔生成全局唯一ID

是一种在分布式系统下用来生成全局唯一id的工具

在项目中生成全局唯一ID有很多好处，其中包括：

数据库主键：在数据库中，唯一ID可以作为主键，确保每条记录的唯一性，便于快速检索和更新数据。
分布式系统：在分布式系统中，生成全局唯一ID可以避免不同节点生成相同的ID，确保整个系统的数据一致性。
日志追踪：在日志系统中，给每条日志分配唯一ID可以方便进行日志的追踪和分析。
安全性：某些场景下，需要对数据进行加密或者数据权限控制，唯一ID可以作为安全机制的一部分。
缓存键值：在缓存系统中，使用唯一ID作为键值可以避免不同数据之间的冲突。
数据分片：在分布式存储系统中，唯一ID可以作为数据分片的标识，便于数据的存储和查询。

总之，生成全局唯一ID有助于提高系统的可用性、数据的完整性和安全性，同时也方便数据的管理和分析。因此，在许多项目中都会需要生成全局唯一ID来满足系统的需求。

🌹为什么要生成全局唯一id

生成全局唯一ID的主要目的是确保系统中的实体（如对象、记录、消息等）具有唯一性标识。以下是一些常见的原因：

数据唯一性：全局唯一ID可以确保在系统中每个实体都有一个独一无二的标识符，避免数据冲突和重复。
数据库索引：全局唯一ID通常用作数据库表的主键或索引，以提高数据查询和检索的效率。
分布式系统：在分布式系统中，各个节点可能同时生成ID，为了避免ID的冲突，需要使用全局唯一ID算法确保整个系统中的ID唯一性。
数据跟踪与关联：通过给实体分配唯一ID，可以轻松追踪和关联数据，例如日志记录、事务管理、审计等。
安全性和权限控制：全局唯一ID可以用于确保数据的安全性和权限控制，限制对特定实体的访问和操作。
缓存与缓存失效：在缓存系统中，使用全局唯一ID作为缓存键，可以确保不同实体之间的键不会冲突，并且在缓存失效时能够正确地重新加载数据。

总结来说，生成全局唯一ID有助于确保数据的唯一性、提高系统的可用性和性能，并支持数据跟踪、安全性和权限控制等功能。这在许多系统和应用中都是一个重要的需求。

🌺生成全局id的方法

✨代码实现

ID生成器的算法如下

我们要先生成时间戳，在生成序列号，然后进行拼接

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 {     /**      * 开始时间戳      */     private static final long BEGIN_TIMESTAMP = 1640995200L;     /**      * 序列号的位数      */     private static final int COUNT_BITS = 32;      private StringRedisTemplate stringRedisTemplate;      public RedisIdWorker(StringRedisTemplate stringRedisTemplate) {         this.stringRedisTemplate = stringRedisTemplate;     }      public long nextId(String keyPrefix) {         // 1.生成时间戳         LocalDateTime now = LocalDateTime.now();         long nowSecond = now.toEpochSecond(ZoneOffset.UTC);         long timestamp = nowSecond - BEGIN_TIMESTAMP;          // 2.生成序列号         // 2.1.获取当前日期，精确到天         String date = now.format(DateTimeFormatter.ofPattern("yyyy:MM:dd"));         // 2.2.自增长         long count = stringRedisTemplate.opsForValue().increment("icr:" + keyPrefix + ":" + date);          // 3.拼接并返回         return timestamp << COUNT_BITS | count;     } }

这段代码的 timestamp << COUNT_BITS | count;是怎么算出序列号的

在这段代码中，timestamp << COUNT_BITS | count 是通过位运算来生成最终的ID值。

首先，timestamp 是时间戳，代表了从开始时间戳到当前时间的秒数差。COUNT_BITS 是序列号的位数，这里是32位。

位运算符 << 是左移操作符，将 timestamp 的二进制表示向左移动 COUNT_BITS 位，就是将时间戳占据高位。这样做是为了给序列号腾出足够的空间。

然后，使用位运算符 | 进行按位或操作，将左移后的时间戳与序列号 count 进行按位或操作，合并它们的二进制表示。

最终得到的结果就是一个64位的ID，其中高位是时间戳部分，低位是序列号部分。

编写代码进行测试

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(); //等待上面的结束         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);     } }