关注鸿蒙技术社区，回复【鸿蒙】送价值399元的鸿蒙开发板套件（数量有限，先到先得），还可以免费下载鸿蒙入门资料！
👇扫码立刻关注👇
专注开源技术，共建鸿蒙生态
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，关注微信订阅号码匠笔记，回复架构获取一些列的架构知识。
测试代码如下：
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 分多钟和同事商量了下业务场景。
最后决定做如下更改：
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。
总之吧，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。
以下是我的代码：
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<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("订单样例："+ orderNos.get(
