作者：funnyZpC

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，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。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！