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);
          }
      }
      

      在技术的道路上，我们不断探索、不断前行，不断面对挑战、不断突破自我。科技的发展改变着世界，而我们作为技术人员，也在这个过程中书写着自己的篇章。让我们携手并进，共同努力，开创美好的未来！愿我们在科技的征途上不断奋进，创造出更加美好、更加智能的明天！