记一次订单号重复的事故，快看看你的 uuid 在并发下还正确吗？
来源： cnblogs.com/funnyzpc/p/13541713.html
“去年年底的时候，我们线上出了一次事故，这个事故的表象是这样的: 系统出现了两个一模一样的订单号，订单的内容却不是不一样的，而且系统在按照 订单号查询的时候一直抛错，也没法正常回调，而且事情发生的不止一次，所以 这次系统升级一定要解决掉。
经手的同事之前也改过几次，不过效果始终不好：总会出现订单号重复的问题， 所以趁着这次问题我好好的理了一下我同事写的代码。
这里简要展示下当时的代码：
/**
* OD单号生成
* 订单号生成规则：OD + yyMMddHHmmssSSS + 5位数(商户ID3位+随机数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();
}
/** 生成指定位数的随机数 **/
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 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，这段代码写的其实不怎么好，代码部分暂且不议，代码中使订单号不重复的主要因素点是随机数和毫秒，可是这里的随机数只有两位 在高并发环境下极容易出现重复问题，同时毫秒这一选择也不是很好，在多核CPU多线程下，一定时间内(极小的)这个毫秒可以说是固定不变的(测试验证过)，所 以这里我先以100个并发测试下这个订单号生成，测试代码如下：
public static void main(String[] args) {
final String merchId = "12334";
List orderNos = Collections.synchronizedList(new ArrayList());
IntStream.range(0,100).parallel().forEach(i->{
orderNos.add(getYYMMDDHHNumber(merchId));
});
List filterOrderNos = orderNos.stream().distinct().collect(Collectors.toList());
System.out.println("生成订单数："+orderNos.size());
System.out.println("过滤重复后订单数："+filterOrderNos.size());
System.out.println("重复订单数："+(orderNos.size()-filterOrderNos.size()));
}
果然，测试的结果如下：
生成订单数：100
过滤重复后订单数：87
重复订单数：13
当时我就震惊?了，一百个并发里面竟然有13个重复的！！！，我赶紧让同事先不要发版，这活儿我接了！
对这一烫手的山竽拿到手里没有一个清晰的解决方案可是不行的，我大概花了6+分钟和同事商量了下业务场景，决定做如下更改：
去掉商户ID的传入(按同事的说法,传入商户ID也是为了防止重复订单的，事实证明并没有叼用) 毫秒仅保留三位(缩减长度同时保证应用切换不存在重复的可能) 使用线程安全的计数器做数字递增(三位数最低保证并发800不重复,代码中我给了4位) 更换日期转换为java8的日期类以格式化(线程安全及代码简洁性考量)
经过以上思考后我的最终代码是：
/** 订单号生成(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();
}
当然代码写完成了可不能这么随随便便结束了，现在得走一个测试main函数看看：
public static void main(String[] args) {
List orderNos = Collections.synchronizedList(new ArrayList());
IntStream.range(0,8000).parallel().forEach(i->{
orderNos.add(generateOrderNo());
});
List filterOrderNos = orderNos.stream().distinct().collect(Collectors.toList());
System.out.println("生成订单数："+orderNos.size());
System.out.println("过滤重复后订单数："+filterOrderNos.size());
System.out.println("重复订单数："+(orderNos.size()-filterOrderNos.size()));
}
/**
测试结果：
生成订单数：8000
过滤重复后订单数：8000
重复订单数：0
**/
真好，一次就成功了，可以直接上线了。。。
然而，我回过头来看以上代码，虽然最大程度解决了并发单号重复的问题，不过对于我们的系统架构还是有一个潜在的隐患：如果当前 应用有多个实例(集群)难道就没有重复的可能了？鉴于此问题就必然需要一个有效的解决方案，所以这时我就思考：多个实例应用订单号如何区分开呢？以下为我思考的大致方向：
使用UUID(在第一次生成订单号时初始化一个)
使用redis记录一个增长ID
使用数据库表维护一个增长ID
应用所在的网络IP
应用所在的端口号
使用第三方算法(雪花算法等等)
使用进程ID(某种程度下是一个可行的方案)
在此我想了下，我们的应用是跑在docker里面，而且每个docker容器内的应用端口都一样，不过网路IP不会存在重复的问题，至于进程也有存在重复的可能， 对于UUID的方式之前吃过亏，远之吧，redis或DB也算是一种比较好的方式，不过独立性较差。。。，同时还有一个因素也很重要，就是所有涉及到订单号生成的 应用都是在同一台宿主机(linux实体服务器)上， 所以就目前的系统架构我选用了IP的方式。一下是我的代码：
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 {
/** 订单号生成 **/
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("获取IP失败:"+e.getMessage());
IP_SUFFIX = RandomUtils.nextInt(10,20)+"";
return IP_SUFFIX;
}
}
public static void main(String[] args) {
List orderNos = Collections.synchronizedList(new ArrayList());
IntStream.range(0,8000).parallel().forEach(i->{
orderNos.add(generateOrderNo());
});
List filterOrderNos = orderNos.stream().distinct().collect(Collectors.toList());
System.out.println("订单样例："+ orderNos.get(22));
System.out.println("生成订单数："+orderNos.size());
System.out.println("过滤重复后订单数："+filterOrderNos.size());
System.out.println("重复订单数："+(orderNos.size()-filterOrderNos.size()));
}
}
/**
订单样例：20082115575546011022
生成订单数：8000
过滤重复后订单数：8000
重复订单数：0
**/
[最后] 代码说明及几点建议
generateOrderNo()方法内不需要加锁，因为AtomicInteger内使用的是CAS自旋转锁(保证可见性的同时也保证原子性,具体的请自行了解) getLocalIpSuffix()方法内不需要对不为null的逻辑加同步锁(双向校验锁，整体是一种安全的单例模式) 本人实现的方式并不是解决问题的唯一方式，具体解决问题需要视当前系统架构具体而论 任何测试都是必要的，我同事在前几次尝试解决这个问题后都没有自测，不测试有损开发专业性！
推荐阅读
评论