如何用main函數(shù)解析出現(xiàn)訂單號重復(fù)的問題

今天就跟大家聊聊有關(guān)如何用main函數(shù)解析出現(xiàn)訂單號重復(fù)的問題，可能很多人都不太了解，為了讓大家更加了解，小編給大家總結(jié)了以下內(nèi)容，希望大家根據(jù)這篇文章可以有所收獲。

這個事故的表象是這樣的：系統(tǒng)出現(xiàn)了兩個一模一樣的訂單號，訂單的內(nèi)容卻不是不一樣的，而且系統(tǒng)在按照訂單號查詢的時候一直拋錯，也沒法正?；卣{(diào)，而且事情發(fā)生的不止一次，所以  這次系統(tǒng)升級一定要解決掉。

經(jīng)手的同事之前也改過幾次，不過效果始終不好：總會出現(xiàn)訂單號重復(fù)的問題， 所以趁著這次問題我好好的理了一下我同事寫的代碼。

這里簡要展示下當時的代碼：

/**      * OD單號生成      * 訂單號生成規(guī)則：OD + yyMMddHHmmssSSS + 5位數(shù)(商戶ID3位+隨機數(shù)2位) 22位      */     public static String getYYMMDDHHNumber(String merchId){         StringBuffer orderNo = new StringBuffer(new SimpleDateFormat("yyMMddHHmmssSSS").format(new Date()));         if(StringUtils.isNotBlank(merchId)){             if(merchId.length()>3){                 orderNo.append(merchId.substring(0,3));             }else {                 orderNo.append(merchId);             }         }         int orderLength = orderNo.toString().length();         String randomNum = getRandomByLength(20-orderLength);         orderNo.append(randomNum);         return orderNo.toString();     }       /** 生成指定位數(shù)的隨機數(shù) **/     public static String getRandomByLength(int size){         if(size>8 || size<1){             return "";         }         Random ne = new Random();         StringBuffer endNumStr = new StringBuffer("1");         StringBuffer staNumStr = new StringBuffer("9");         for(int i=1;i<size;i++){             endNumStr.append("0");             staNumStr.append("0");         }         int randomNum = ne.nextInt(Integer.valueOf(staNumStr.toString()))+Integer.valueOf(endNumStr.toString());         return String.valueOf(randomNum);     }

可以看到，這段代碼寫的其實不怎么好，代碼部分暫且不議，代碼中使訂單號不重復(fù)的主要因素點是隨機數(shù)和毫秒，可是這里的隨機數(shù)只有兩位。

在高并發(fā)環(huán)境下極容易出現(xiàn)重復(fù)問題，同時毫秒這一選擇也不是很好，在多核 CPU  多線程下，一定時間內(nèi)(極小的)這個毫秒可以說是固定不變的(測試驗證過)。

所以這里我先以 100 個并發(fā)測試下這個訂單號生成

測試代碼如下：

public static void main(String[] args) {         final String merchId = "12334";         List<String> orderNos = Collections.synchronizedList(new ArrayList<String>());         IntStream.range(0,100).parallel().forEach(i->{             orderNos.add(getYYMMDDHHNumber(merchId));         });          List<String> filterOrderNos = orderNos.stream().distinct().collect(Collectors.toList());          System.out.println("生成訂單數(shù)："+orderNos.size());         System.out.println("過濾重復(fù)后訂單數(shù)："+filterOrderNos.size());         System.out.println("重復(fù)訂單數(shù)："+(orderNos.size()-filterOrderNos.size()));     }

果然，測試的結(jié)果如下：

生成訂單數(shù)：100 過濾重復(fù)后訂單數(shù)：87 重復(fù)訂單數(shù)：13

生成訂單數(shù)：100過濾重復(fù)后訂單數(shù)：87重復(fù)訂單數(shù)：13

當時我就震驚了，一百個并發(fā)里面竟然有 13 個重復(fù)的!!!我趕緊讓同事先不要發(fā)版，這活兒我接了!

對這一燙手的山竽拿到手里沒有一個清晰的解決方案可是不行的，我大概花了 6 分多鐘和同事商量了下業(yè)務(wù)場景。

最后決定做如下更改：

• 去掉商戶 ID 的傳入(按同事的說法，傳入商戶 ID 也是為了防止重復(fù)訂單的，事實證明并沒有叼用)

• 毫秒僅保留三位(縮減長度同時保證應(yīng)用切換不存在重復(fù)的可能)

• 使用線程安全的計數(shù)器做數(shù)字遞增(三位數(shù)最低保證并發(fā) 800 不重復(fù)，代碼中我給了 4 位)

• 更換日期轉(zhuǎn)換為 java8 的日期類以格式化(線程安全及代碼簡潔性考量)

經(jīng)過以上思考后我的最終代碼是：

/** 訂單號生成(NEW) **/    private static final AtomicInteger SEQ = new AtomicInteger(1000);    private static final DateTimeFormatter DF_FMT_PREFIX = DateTimeFormatter.ofPattern("yyMMddHHmmssSS");    private static ZoneId ZONE_ID = ZoneId.of("Asia/Shanghai");    public static String generateOrderNo(){        LocalDateTime dataTime = LocalDateTime.now(ZONE_ID);        if(SEQ.intValue()>9990){            SEQ.getAndSet(1000);        }        return  dataTime.format(DF_FMT_PREFIX)+SEQ.getAndIncrement();    }

當然代碼寫完成了可不能這么隨隨便便結(jié)束了，現(xiàn)在得走一個測試 main 函數(shù)看看：

public static void main(String[] args) {      List<String> orderNos = Collections.synchronizedList(new ArrayList<String>());     IntStream.range(0,8000).parallel().forEach(i->{         orderNos.add(generateOrderNo());     });      List<String> filterOrderNos = orderNos.stream().distinct().collect(Collectors.toList());      System.out.println("生成訂單數(shù)："+orderNos.size());     System.out.println("過濾重復(fù)后訂單數(shù)："+filterOrderNos.size());     System.out.println("重復(fù)訂單數(shù)："+(orderNos.size()-filterOrderNos.size())); }  /**     測試結(jié)果：      生成訂單數(shù)：8000     過濾重復(fù)后訂單數(shù)：8000     重復(fù)訂單數(shù)：0 **/

真好，一次就成功了，可以直接上線了。。。

然而，我回過頭來看以上代碼，雖然最大程度解決了并發(fā)單號重復(fù)的問題，不過對于我們的系統(tǒng)架構(gòu)還是有一個潛在的隱患。

如果當前應(yīng)用有多個實例(集群)難道就沒有重復(fù)的可能了?鑒于此問題就必然需要一個有效的解決方案，所以這時我就思考：多個實例應(yīng)用訂單號如何區(qū)分開呢?

以下為我思考的大致方向：

• 使用 UUID(在第一次生成訂單號時初始化一個)

• 使用 Redis 記錄一個增長 ID

• 使用數(shù)據(jù)庫表維護一個增長 ID

• 應(yīng)用所在的網(wǎng)絡(luò) IP

• 應(yīng)用所在的端口號

• 使用第三方算法(雪花算法等等)

• 使用進程 ID(某種程度下是一個可行的方案)

在此我想了下，我們的應(yīng)用是跑在 Docker 里面，而且每個 Docker 容器內(nèi)的應(yīng)用端口都一樣，不過網(wǎng)路 IP  不會存在重復(fù)的問題，至于進程也有存在重復(fù)的可能，對于 UUID 的方式之前吃過虧。

總之吧，Redis 或 DB 也算是一種比較好的方式，不過獨立性較差。。。

同時還有一個因素也很重要，就是所有涉及到訂單號生成的應(yīng)用都是在同一臺宿主機(Linux 實體服務(wù)器)上， 所以就目前的系統(tǒng)架構(gòu)我選用了 IP  的方式。

以下是我的代碼：

import org.apache.commons.lang3.RandomUtils;  import java.net.InetAddress; import java.time.LocalDateTime; import java.time.ZoneId; import java.time.format.DateTimeFormatter; import java.util.ArrayList; import java.util.Collections; import java.util.List; import java.util.concurrent.atomic.AtomicInteger; import java.util.stream.Collectors; import java.util.stream.IntStream;  public class OrderGen2Test {      /** 訂單號生成 **/     private static ZoneId ZONE_ID = ZoneId.of("Asia/Shanghai");     private static final AtomicInteger SEQ = new AtomicInteger(1000);     private static final DateTimeFormatter DF_FMT_PREFIX = DateTimeFormatter.ofPattern("yyMMddHHmmssSS");     public static String generateOrderNo(){         LocalDateTime dataTime = LocalDateTime.now(ZONE_ID);         if(SEQ.intValue()>9990){             SEQ.getAndSet(1000);         }         return  dataTime.format(DF_FMT_PREFIX)+ getLocalIpSuffix()+SEQ.getAndIncrement();     }      private volatile static String IP_SUFFIX = null;     private static String getLocalIpSuffix (){         if(null != IP_SUFFIX){             return IP_SUFFIX;         }         try {             synchronized (OrderGen2Test.class){                 if(null != IP_SUFFIX){                     return IP_SUFFIX;                 }                 InetAddress addr = InetAddress.getLocalHost();                 //  172.17.0.4  172.17.0.199 ,                 String hostAddress = addr.getHostAddress();                 if (null != hostAddress && hostAddress.length() > 4) {                     String ipSuffix = hostAddress.trim().split("\\.")[3];                     if (ipSuffix.length() == 2) {                         IP_SUFFIX = ipSuffix;                         return IP_SUFFIX;                     }                     ipSuffix = "0" + ipSuffix;                     IP_SUFFIX = ipSuffix.substring(ipSuffix.length() - 2);                     return IP_SUFFIX;                 }                 IP_SUFFIX = RandomUtils.nextInt(10, 20) + "";                 return IP_SUFFIX;             }         }catch (Exception e){             System.out.println("獲取IP失敗:"+e.getMessage());             IP_SUFFIX =  RandomUtils.nextInt(10,20)+"";             return IP_SUFFIX;         }     }       public static void main(String[] args) {         List<String> orderNos = Collections.synchronizedList(new ArrayList<String>());         IntStream.range(0,8000).parallel().forEach(i->{             orderNos.add(generateOrderNo());         });          List<String> filterOrderNos = orderNos.stream().distinct().collect(Collectors.toList());          System.out.println("訂單樣例："+ orderNos.get(22));         System.out.println("生成訂單數(shù)："+orderNos.size());         System.out.println("過濾重復(fù)后訂單數(shù)："+filterOrderNos.size());         System.out.println("重復(fù)訂單數(shù)："+(orderNos.size()-filterOrderNos.size()));     } }  /**   訂單樣例：20082115575546011022   生成訂單數(shù)：8000   過濾重復(fù)后訂單數(shù)：8000   重復(fù)訂單數(shù)：0 **/

最后，代碼說明及幾點建議：

• generateOrderNo() 方法內(nèi)不需要加鎖，因為 AtomicInteger 內(nèi)使用的是 CAS  自旋轉(zhuǎn)鎖(保證可見性的同時也保證原子性，具體的請自行了解)

• getLocalIpSuffix() 方法內(nèi)不需要對不為 null 的邏輯加同步鎖(雙向校驗鎖，整體是一種安全的單例模式)

• 本人實現(xiàn)的方式并不是解決問題的唯一方式，具體解決問題需要視當前系統(tǒng)架構(gòu)具體而論

• 任何測試都是必要的，我同事在前幾次嘗試解決這個問題后都沒有自測，不測試有損開發(fā)專業(yè)性!

看完上述內(nèi)容，你們對如何用main函數(shù)解析出現(xiàn)訂單號重復(fù)的問題有進一步的了解嗎？如果還想了解更多知識或者相關(guān)內(nèi)容，請關(guān)注億速云行業(yè)資訊頻道，感謝大家的支持。