【SpringBoot篇】基于Redis实现生成全局唯一ID的方法-Toy模板网

这篇具有很好参考价值的文章主要介绍了【SpringBoot篇】基于Redis实现生成全局唯一ID的方法。希望对大家有所帮助。如果存在错误或未考虑完全的地方，请大家不吝赐教，您也可以点击"举报违法"按钮提交疑问。

🍔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
【SpringBoot篇】基于Redis实现生成全局唯一ID的方法,SpringBoot,spring boot,redis,后端

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

【SpringBoot篇】基于Redis实现生成全局唯一ID的方法,SpringBoot,spring boot,redis,后端

✨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);
    }
}