关于java:vivo-全球商城电商平台通用取货码设计

4次阅读

共计 4947 个字符，预计需要花费 13 分钟才能阅读完成。

vivo 官网商城开发团队 – Zhou Longjian

随着 O2O 线上线下业务的一直扩大，电商平台也在逐步完善交易侧相干的产品性能。在最近的需要版本中，业务方为进一步晋升用户的应用体验，布局了取货码生成及订单核销相干逻辑，目标是让线上的用户在付完款之后可能到店取货或者安顿导购派送。

日常生活中，咱们对取货码、核销这类性能应用的经验大部分都来自：看电影前取票、吃饭后出示券码、快递柜取包裹等等，它们都有一些相似的特点，比方：

取货码长度绝对较短，比起动辄十几二十位订单号，几位的数字码更不便记忆和输出；
除了数字取货码，还提供二维码，不便终端进行扫描并核销。

取货码应用起很简略，然而像“冰山”一样，暗藏在简略表面上面却须要谨严的设计和粗疏的逻辑，能够说麻雀虽小五脏俱全。本文介绍的设计也比拟乏味，而且按此思路能够实现市面上大多数核销类券码的生成，同时也能满足业务的 SaaS 化，算是一个绝对通用的能力，在此把整个设计分享给大家。

（图片起源：pixabay.com）

如果业务的体量不大，店铺流量比拟小，未造成平台的规模，比方给个体经营者应用的零碎。那么取货码或券码的实现就比较简单，跟订单共享一张大横表或者应用扩大表跟订单进行关联就行了，这个阶段也无需做适度设计。

表的设计如下图：

不过须要留神的是个别订单号都是比拟长的，通常都在十几二十位（当然也有比拟短的订单号，如果订单号比拟短，取货码也可采纳订单号）咱们假如订单号 18 位，取货码 8 位，即订单号的取值范畴远大于取货码，那么在订单号的生命周期内，取货码是有很大几率存在反复的。解决起来绝对简略，咱们只须要保障在任意条件下，未核销 状态的数字码不反复即可，也即已核销的数字码能够回收利用。

那么取货码的生成逻辑就很清晰了，上面用伪代码模仿实在的实现逻辑：

伪代码实现

for (;;) {step1 获取随机码：String code = this.getRandomCode();
   step2 执行 SQL：SELECT COUNT(1) FROM order_main WHERE code = ${code} AND write_off_status = 0;
   step3 判断是否能够插入：if (count > 0) {continue;}
   step4 执行数据写入：UPDATE order_main SET code = ${code}, qr_code = ${qrCode}, write_off_status = 0 WHERE order_no = ${orderNo}
}

* 留神：这里 step2 和 step4 不是原子操作，存在并发问题，理论利用中最好应用分布式锁，把操作锁住。

通过简略的单表设计，咱们能管窥一斑，理解取货码大抵的实现逻辑。不过咱们在把简略计划往大型项目上进行落地的时候，就须要思考很多方面，设计也须要更精美。SaaS 化的电商平台会比简略的单表业务简单很多，重点体现在：

SaaS 产品波及的店铺很多且订单量大，须要设计大容量存储，所以订单表根本应用分库分表，显然作为订单从属的取货码表也得应用雷同的策略；
B 端和 C 端用户的体验十分重要，服务端接口的设计须要充分考虑鲁棒性，欠缺最根本的重试及容错能力；
不同业务方对于取货码的要求可能不太一样，取货码的设计须要具备通用性以及个性化的配置属性。

取货码表的设计举荐应用和订单统一的分库分表策略，益处是：

和订单一样，撑持海量订单行的存储；
不便利用同样的分库分表因子进行查问（例如：open\_id、member\_id）。

在思考落地实现上，咱们遇到了第一个探讨的点，那就是取货码是做到“门店惟一”还是“全局惟一”？

刚开始思考应用相似饭馆取餐码相似的逻辑，保障取货码在各自门店放弃惟一就行了。相似如下图交互，图中用户 A 和用户 B 持有雷同的取货码，用户 A、B 别离去他们对应的店铺实现核销，整个交易过程就完结了。然而这得保障用户 A 和 B 能正确地在各自订单归属的店铺实现核销，显然这个计划是带有危险的！

下图所示的这种状况下，用户 A、B 也能失常核销，不过串单了，本来属于用户 A 的订单被用户 B 核销了。这种问题呈现的实质起因在于纯正的数字码无奈带有用户的标识，尽管能够在核销前做人为的核验身份来防止，但仍然属于高风险的零碎设计，所以门店惟一计划不可取！

全局惟一计划危险小，但实现难度稍高一点。外围问题在于如何断定随机生成的取货码是全局惟一的，当然如果零碎自身依赖 ES 这类存储介质，能够在插入前先查问 ES，不过查问和写入 ES 对于实时性接口来说略微有点重，没有间接查库表来得间接。假如某业务方分成了 4 个库 4 张表，总计 16 表，取货码的长度确定为 8 位，那如何在多库多表的 Mysql 中查问并保障全局惟一呢？遍历表的形式必定不可取！

为解决上述的疑难，咱们在设计的时候能够在取货码的编排上做点文章，如下步骤做具体详解：

步骤①：能够将 8 位的取货码分成两个区域，“随机码区域”+“库表地位”，下图示例：

步骤②：随机码区域暂不介绍，咱们来看下 2 位库表如何映射到 4 库 4 表组成的 16 张表中。

这里也有两套计划：

【计划一】能够抉择 2 位库表的首位作为库编号，末位作为表编号。益处是映射较为简单，然而容量不够大，如果分的库或表 >9，扩大就会有点麻烦。如下图，咱们把开端“12”逻辑映射到了“1 库的编号为 2 的表”；

【计划二】将 4 库 4 表二维构造转成一维，以 0 为初始值进行递增，(0 库, 0 表) → 00, (0 库, 1 表) → 01… , (3 库, 3 表) → 15。益处是容量变大了，最大反对 99 张表，不受库或表繁多条件的限度，毛病就是映射逻辑写起来麻烦点，不过这不是问题。

取货码通过简略编排，咱们实现了取货码的到库表的映射逻辑，解决了取货码存取的问题。其实认真想想，对于全局惟一的问题其实也解决掉了，咱们只有保障前 6 位随机码在单表里保障惟一即可，实践上反对单表在未核销状态下范畴为：000000 ~ 999999 条记录，容量是足够的。要害咱们把多库多表的查问就简化成了只跑一个 SQL，效率大大晋升。

既然本篇是介绍 SaaS 化的残缺计划，在落地的时候或多或少会遇到一些问题，这边介绍三个理论遇到的典型问题，并给出一些解决方案：

【问题一】应用 Math.random()生成的 6 位随机码和表里的反复了，如何解决？

【解决】其实反复的状况有两种：

可能是表里曾经存在数字雷同未核销的取货码；
另外一种状况就是别的事务在正在操作，正好有个分布式事务锁住了一样的数字码（概率很低，然而是有可能的）。

这两种状况的呈现就须要咱们进行优雅地重试了！大抵思路如下伪代码：

// step1 依据分库分表因子获取库表编号，userCode- 用户编号、tenantId- 租户编号
String suffix = getCodeSuffix(userCode, tenantId);
 
// step2 批量获取 6 位随机码
for (int i=1; i<=5; i++) {
   // 批量获取随机数。每次重试，取 2 的指数级量进行过滤，相比暴力执行 for 循环，这种形式能缩小和 DB 的交互
   List<String> tempCodes = getRandomCodes(2 << i);
   // 过滤掉分布式锁
   filterDistributeLock(tempCodes);
   // 过滤掉数据库存在的随机码
   filterExistsCodes(tempCodes);
   return tempCodes;
}
 
// step3 解决随机码，随机码入库
for (String code : codes) {
   // 加锁，判断加锁是否胜利。举荐应用 Redis 分布式锁
   boolean hasLockd = isLocked(code);
   try {
         // 执行入库
         insert(object);
   } finally {// 解锁}
}
 
// step4 执行后置二维码图片等逻辑

【留神】

举荐应用指数级重试的形式（2 << i），逐次递增 random 的数量，缩小和 DB 的交互；
倡议数字码生成结束后加锁并执行 INSERT，生成图片地址等耗时重大的动作能够后置 UPDATE 下来。

【问题二】我的项目中应用了分库分表的组件（比方：ShardingSphere-JDBC），怎么动静批改数据源？也就是同时反对分库分表因子（比方：member\_id、open\_id 等）以及依据取货码计算的库表动静查问。

【解决】咱们以 ShardingSphere-JDBC 作为为案例来给出一些配置及伪代码，具体能够参考：《强制路由::ShardingSphere》，其余开源的分库分表组件或者自研产品不做赘述，能够本人手动写个插件，别怕，即便再难，也要置信有光！

配置及伪代码

// ShardingSphere-JDBC 依赖的配置文件 jdbc-sharding.yaml
...
shardingRule:
  tables:
    ...
    # 取货码表
    order_code:
      actualDataNodes: DS00$->{0..3}.order_pick_up_0$->{0..3}
      # 配置库的计算逻辑
      databaseStrategy:
        hint:
          algorithmClassName: com.xxx.xxxxx.xxx.service.impl.DbHintShardingAlgorithm
      # 配偶之表的计算逻辑
      tableStrategy:
        hint:
          algorithmClassName: com.xxx.xxxxx.xxx.service.impl.DbHintShardingAlgorithm
    ...
 
// java 代码
try (HintManager hintManager = HintManager.getInstance()) {hintManager.addDatabaseShardingValue("order_code"/** 取货码表 */, DbHintShardingAlgorithm.calDbShardingValue(tenantId, code));
    hintManager.addTableShardingValue("order_code"/** 取货码表 */, DbHintShardingAlgorithm.calTabShardingValue(tenantId, code));
     
    Object xxx = xxxMapper.selectOne(queryDTO);
}

【留神】

这里介绍一种编程式的解决方案，益处是配置简略、比拟灵便，毛病就是代码略微多一点。其实 ShardingSphere 还反对注解的形式，能够本人钻研下；
第一条说了比拟灵便，体现在本人实现的“DbHintShardingAlgorithm.calDbShardingValue(tenantId, code)”办法上，这个办法能够本人定义，所以咱们的入参能够是通用的分库分表因子，也能够是自定义的取货码的“库表地位”字段，非常灵活。

【问题三】如何做到更强的扩展性，实用 SaaS 平台以及不同的业务场景？

【解决】仔细的小伙伴应该留神到了 “tenantId” 这个字段，这是个租户的编码，在理论编码会进行透传。咱们能够利用这个字段针对不同的租户（或叫业务方）来做不同的配置，比方：取货码的长度、取货码编排的形式、取货码映射库表地位的策略等等做成可配，只有把骨干逻辑进一步形象，并应用策略模式进行个性化编码。

实现取货码逻辑的时候，发现网上券码这块的计划、技术文章比拟少，过后萌发了写篇文章抛砖引玉做个分享的想法。事实上，我置信大多数公司可能或多或少也是这么做的，哪怕采取了别的计划也能必由之路。本篇文章整体只是介绍了一个思路，而这个思路相似一个简化版的订单分库分表，但这就是神奇所在，事实上咱们还能够将一些罕用的技术计划落地到不同的利用场景，大胆地做一些尝试，多走一些未曾构想过的路线！