一、需求分析
唯一性：全局唯一，绝不重复。
高可用性：支持高并发生成（如每秒数万订单）。
可扩展性：适应业务增长，支持分布式部署。
可读性（可选）：包含时间、业务类型等信息。
防猜测性：避免通过订单号推断业务规模或遍历数据。
兼容性：支持分库分表、业务扩展（如不同业务线标识）。
二、技术方案选型
1. 常见订单号生成方案对比
| 方案 | 优点 | 缺点 | 适用场景 |
|---|---|---|---|
| 数据库自增ID | 简单、严格递增 | 单点瓶颈、暴露业务量 | 小规模单机系统 |
| UUID | 唯一性强、无中心化依赖 | 无序、可读性差、存储空间大 | 简单分布式系统 |
| Snowflake算法 | 高性能、趋势递增、可读时间戳 | 依赖时钟同步、需解决时间回拨 | 高并发分布式系统 |
| 分段发号（号段模式） | 高性能、数据库压力小 | 需预分配号段、可能浪费ID | 高并发且允许少量浪费 |
| Redis自增 | 简单、性能较好 | Redis单点风险、需持久化 | 中等规模分布式系统 |
2. 推荐方案：改进型Snowflake算法
综合高并发、可扩展性和可读性，推荐使用增强版Snowflake算法，结合业务编码和时间戳。
三、详细设计
1. 订单号格式设计
示例订单号：20231109141930123456789A1B2C
组成结构（可根据业务调整）：
时间戳（14位）：
yyyyMMddHHmmss（如20231109141930）业务标识（2位）：区分业务线（如01=普通订单，02=秒杀订单）
机器ID（3位）：分布式节点唯一标识
随机序列（8位）：时间戳内的递增序列 + 随机数（防猜测）
校验位（1位）：防止输入错误（如Luhn算法）
分表结果：有可能会存
2. 关键组件实现
a. 时间戳
精确到秒或毫秒（毫秒级需扩展位数）。
解决时钟回拨：
记录最后一次生成时间戳，若检测到回拨，则：
回拨时间短（<100ms）：等待时钟追平。
回拨时间长：报警并拒绝生成，或切换到备用节点。
b. 机器ID（Worker ID）
分配方式：
静态配置：适用于固定服务器规模（需人工管理）。
动态注册：使用ZooKeeper/Etcd/DB分配唯一ID，支持自动扩缩容。
推荐实现：
// 通过数据库获取或注册Worker ID public class WorkerIdManager { private static int workerId; public static synchronized int initWorkerId() { // 从数据库或配置中心获取唯一ID workerId = fetchWorkerIdFromDB(); return workerId; } }
c. 序列号
每个时间单位（如秒）内自增，支持高并发：
public class SequenceGenerator { private long lastTimestamp = -1L; private long sequence = 0L; public synchronized long nextId() { long timestamp = System.currentTimeMillis(); if (timestamp < lastTimestamp) { throw new ClockMovedBackException(); } if (timestamp == lastTimestamp) { sequence = (sequence + 1) & MAX_SEQUENCE; if (sequence == 0) { // 当前毫秒序列用完，等待下一毫秒 timestamp = waitNextMillis(lastTimestamp); } } else { sequence = 0L; } lastTimestamp = timestamp; return ((timestamp << TIMESTAMP_SHIFT) | (workerId << WORKER_ID_SHIFT) | sequence); } }
d. 随机化与防猜测
混合随机数：在序列号中插入随机位。
加密混淆：对生成的ID做轻量加密（如异或操作）。
示例：
// 在序列号后追加随机数 long baseId = snowflakeNextId(); String orderId = baseId + ThreadLocalRandom.current().nextInt(1000);
e. 校验位（可选）
使用Luhn算法或简单取模：
public static char generateCheckDigit(String orderId) { int sum = 0; for (int i = 0; i < orderId.length(); i++) { int digit = Character.getNumericValue(orderId.charAt(i)); sum += (i % 2 == 0) ? digit * 2 : digit; } return (10 - (sum % 10)) % 10; }
3. 分库分表支持
方案1：订单号中嵌入分片键（如用户ID哈希值）。
方案2：使用订单号的最后N位作为分片路由（需提前规划分片数量）。
示例：
// 根据用户ID计算分片 int shard = userId.hashCode() % SHARD_NUM; String orderId = time + businessCode + machineId + sequence + shard;
四、高可用与容灾
多节点部署：
部署多个订单号生成服务，通过负载均衡分发请求。
每个节点配置唯一
Worker ID（通过配置中心动态分配）。降级策略：
主生成服务故障时，切换到备用算法（如UUID或数据库自增）。
监控与报警：
监控时钟同步状态、Worker ID分配、序列号耗尽等情况。
五、性能优化
本地缓存预生成：
提前生成一批ID缓存在内存，减少实时计算压力。
无锁设计：
使用
ThreadLocalRandom替代同步块，或CAS（Compare-And-Swap）更新序列号。二进制操作优化：
位运算替代字符串拼接，提升性能。
六、示例代码（Java）
public class OrderIdGenerator {
private final long workerId;
private long lastTimestamp = -1L;
private long sequence = 0L;
private static final int SEQUENCE_BITS = 12;
private static final long MAX_SEQUENCE = (1L << SEQUENCE_BITS) - 1;
public OrderIdGenerator(long workerId) {
this.workerId = workerId;
}
public synchronized String generate() {
long timestamp = System.currentTimeMillis();
if (timestamp < lastTimestamp) {
throw new RuntimeException("Clock moved backwards");
}
if (timestamp == lastTimestamp) {
sequence = (sequence + 1) & MAX_SEQUENCE;
if (sequence == 0) {
timestamp = waitNextMillis(lastTimestamp);
}
} else {
sequence = 0;
}
lastTimestamp = timestamp;
long id = ((timestamp << 22)
| (workerId << 10)
| sequence);
// 添加业务编码和校验位
return String.format("%016X%02d%01d", id, businessCode, checkDigit(id));
}
private long waitNextMillis(long lastTimestamp) {
long timestamp = System.currentTimeMillis();
while (timestamp <= lastTimestamp) {
timestamp = System.currentTimeMillis();
}
return timestamp;
}
}七、测试验证
唯一性测试：
启动多线程（如1000线程）并发生成10万次，检查是否重复。
性能压测：
使用JMeter模拟每秒10万请求，观察生成耗时和系统负载。
时钟回拨测试：
修改系统时间，验证异常处理逻辑。
八、扩展性考虑
业务编码扩展：预留字段支持新业务类型。
ID长度扩展：未来可增加时间戳精度或机器ID位数。
多数据中心：在订单号中加入数据中心标识（如前2位表示地区）。
