Redis生成分布式唯一流水号实践

 

场景

 

在工作中，想必都接触过这样一个场景：生成具有一定规则的编码。

比如，合同编号。要求格式为<HT前缀><4位年><2位月><2位类型><N位流水号>。

前面都好说，只有这个流水号，很容易就出现重复、跨越等问题。

如何解决呢？其实办法也有好多种，能想到的最多就是加锁。无论是synchronized关键字、还是Lock锁、Zookeeper锁、Redis锁等，都是通过阻塞其它请求，即同步阻塞模式，一次只处理一个流水号生成请求，以达到唯一性目的。

那么有没有同步非阻塞模式呢？答案是有的，且使用起来也比较简单，即采用Redis的自增特性。

 

配置

 

 

首先需要配置Redis链接信息，这里分为单机环境、集群（哨兵模式）环境。这两种环境对于流水号生成并无二致，只是集群环境更能确保流水号生成服务稳定、可靠。

单机配置如下。

spring:  redis:    database: 0    host: localhost    port: 6379    password:    timeout: 1000

集群（哨兵模式）配置如下。

spring:  redis:    database: 0    password:    timeout: 1000    sentinel:      master: mymaster      nodes:        - 192.168.182.131:26379        - 192.168.182.132:26379        - 192.168.182.133:26379

 

实现

 

无论是单机环境，还是集群环境，Redis生成流水号的逻辑都并无二致，一模一样，和部署方式没有关系。

 

关于key

 

比如合同编号，可以定义为<4位年><2位月><HTCODE>。这里key的定义与自身业务场景有很大关系。举个例子，假设业务规定，流水号以年为单位循环，那么，key的定义最好就只有年和固定后缀，即<4位年><HTCODE>；如果以月未单位循环，那么，key则需要带上月份以区分不同月份的数据，即<4位年><2位月><HTCODE>。

 

存储形式

 

可使用string类型存储，也可以使用hash存储，都可以。还是那句话，根据业务场景不同，做不同的适应处理。脱离业务谈实践，就是耍流氓。

string类型存储好理解，那hash存储适用于哪些场景呢？比如，存在这样一个业务场景：系统是多租户的，每个租户都需要生成合同编号，后台需要实时查看所有租户的流水号情况。那么此时，就需要把Redis中所有的流水号信息取出来。

如果要使用string类型存储，那么在key的定义上，势必就要加上租户的标识来区分。然后通过scan也好，循环也好，找到所有租户的流水号信息，比较繁琐。

如果使用hash存储，则只需在value对应的key上，加上租户标识来区分，key值则是统一的<HTCODE>。无论租户使用怎样的流水号生成、循环规则，只需调整其Redis中value对应的key值规则即可。此时，查找Redis中所有的流水号信息则变得异常方便，把此key值hash表的值全部拿到，即找到了所有租户的流水号信息。

所以说，代码实现还是要看具体业务场景，只有业务场景明确了，才能根据具体的业务场景，来做不同的代码实现。

 

实现

 

实现非常简单，以string存储类型为例，只需调用 redisTemplate.opsForValue().increment(key, delta) 方法即可。

附上测试用例，其中有单次调用版、高并发版。

注：本例只专注于实现流水号生成，不做具体合同编号按照规则拼装的逻辑。

package cn.com.trade365.redisdemo.util;
​
import org.junit.Test;
import org.junit.runner.RunWith;
import org.springframework.beans.factory.annotation.Autowired;
import org.springframework.boot.test.context.SpringBootTest;
import org.springframework.data.redis.core.RedisTemplate;
import org.springframework.test.context.junit4.SpringRunner;
​
import java.util.*;
import java.util.concurrent.CountDownLatch;
import java.util.concurrent.atomic.AtomicInteger;
​
@RunWith(SpringRunner.class)
@SpringBootTest
public class HTCODEGeneratorTest {
​
    private CountDownLatch cd = new CountDownLatch(2001);
​
    @Autowired
    private RedisTemplate<String, Object> redisTemplate;
​
    private AtomicInteger atomicInteger = new AtomicInteger(0);
​
    @Test
    public void single() {
        System.out.println(this.redisTemplate.opsForValue().increment("index", 1));
    }
​
    @Test
    public void concurrent() {
        // 两千个线程，等待全部创建完成后，再同时执行
        for (int i = 0; i < 2000; i++) {
​
            new Thread(() -> {
                try {
                    // 当前线程阻塞等待
                    cd.await();
                } catch (InterruptedException e) {
                    e.printStackTrace();
                }
​
                System.out.println(this.redisTemplate.opsForValue().increment("index", 1));
            }).start();
​
​
            cd.countDown();
        }
​
        new Timer().schedule(new TimerTask() {
            @Override
            public void run() {
                cd.countDown();
            }
        }, 3000L);
​
        try {
            cd.await();
        } catch (InterruptedException e) {
            e.printStackTrace();
        }
​
        long currentTimeMillis = System.currentTimeMillis();
​
        System.out.println("当前用时：" + (System.currentTimeMillis() - currentTimeMillis));
​
        int index = (int) this.redisTemplate.opsForValue().get("index");
​
        while (index % 2000 != 0) {
            index = (int) this.redisTemplate.opsForValue().get("index");
        }
    }
​
​
}

 

执行测试用例，发现确实是高并发逻辑，各流水号生成线程也不是按顺序的，确实是同步非阻塞模式。

查看Redis，indexkey对应的值，刚好就是并发线程数2000。

 

 

 

 

回复以下关键字，获取更多资源

 

SpringCloud进阶之路 | Java 基础 | 微服务 | JAVA WEB | JAVA 进阶 | JAVA 面试 | MK 精讲

 

 

 

笔者开通了个人微信公众号【银河架构师】，分享工作、生活过程中的心得体会，填坑指南，技术感悟等内容，会比博客提前更新，欢迎订阅。