关于java:一次订单号重复引起的事故把我坑惨了

送大家以下java学习材料，文末有支付形式

咱们线上出了一次事变，这个事变的表象是这样的:

零碎呈现了两个截然不同的订单号，订单的内容却不是不一样的，而且零碎在依照订单号查问的时候始终抛错，也没法失常回调，而且事件产生的不止一次，所以这次系统升级肯定要解决掉。

经手的共事之前也改过几次，不过成果始终不好，总会呈现订单号反复的问题，所以趁着这次问题我好好的理了一下我共事写的代码。

这里简要展现下过后的代码：

/** * OD单号生成 * 订单号生成规定：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<size;i++){          endNumStr.append("0");          staNumStr.append("0");      }      int randomNum = ne.nextInt(Integer.valueOf(staNumStr.toString()))+Integer.valueOf(endNumStr.toString());      return String.valueOf(randomNum);  }      

能够看到，这段代码写的其实不怎么好，代码局部暂且不议，代码中使订单号不反复的次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呈现反复问题。

同时毫秒这一抉择也不是很好，在多核CPU多线程下，肯定工夫内(极小的)这个毫秒能够说是固定不变的(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<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("过滤反复后订单数："+filterOrderNos.size());    System.out.println("反复订单数："+(orderNos.size()-filterOrderNos.size()));}

果然，测试的后果如下：

生成订单数：100过滤反复后订单数：87反复订单数：13

过后我就震惊了，一百个并发外面居然有13个反复的！！！

我连忙让同当时不要发版，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，我大略花了6+分钟和共事磋商了下业务场景，决定做如下更改：

• 去掉商户ID的传入(按共事的说法,传入商户ID也是为了避免反复订单的，事实证明并没有叼用)
• 毫秒仅保留三位(缩减长度同时保障利用切换不存在反复的可能)
• 应用线程平安的计数器做数字递增(三位数最低保障并发800不反复,代码中我给了4位)
• 更换日期转换为java8的日期类以格式化(线程平安及代码简洁性考量)

通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();}

当然代码写实现了可不能这么随随便便完结了，当初得走一个测试main函数看看：

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("生成订单数："+orderNos.size());    System.out.println("过滤反复后订单数："+filterOrderNos.size());    System.out.println("反复订单数："+(orderNos.size()-filterOrderNos.size()));}/**  测试后果：   生成订单数：8000  过滤反复后订单数：8000  反复订单数：0**/

真好，一次就胜利了，能够间接上线了。。。

然而，我回过头来看以上代码，尽管最大水平解决了并发单号反复的问题，不过对于咱们的零碎架构还是有一个潜在的隐患：如果以后利用有多个实例(集群)难道就没有反复的可能了？

鉴于此问题就必然须要一个无效的解决方案，所以这时我就思考：多个实例利用订单号如何辨别开呢？

以下为我思考的大抵方向：

• 应用UUID(在第一次生成订单号时初始化一个)
• 应用redis记录一个增长ID
• 应用数据库表保护一个增长ID
• 利用所在的网络IP
• 利用所在的端口号
• 应用第三方算法(雪花算法等等)
• 应用过程ID(某种程度下是一个可行的计划)

在此我想了下，咱们的利用是跑在docker外面，而且每个docker容器内的利用端口都一样，不过网路IP不会存在反复的问题，至于过程也有存在反复的可能，对于UUID的形式之前吃过亏，远之吧，redis或DB也算是一种比拟好的形式，不过独立性较差。。。

同时还有一个因素也很重要，就是所有波及到订单号生成的利用都是在同一台宿主机(linux实体服务器)上， 所以就目前的零碎架构我选用了IP的形式。

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(22));        System.out.println("生成订单数："+orderNos.size());        System.out.println("过滤反复后订单数："+filterOrderNos.size());        System.out.println("反复订单数："+(orderNos.size()-filterOrderNos.size()));    }}/**  订单样例：20082115575546011022  生成订单数：8000  过滤反复后订单数：8000  反复订单数：0**/

最初，代码阐明及几点倡议

• generateOrderNo()办法内不须要加锁，因为AtomicInteger内应用的是CAS自旋转锁(保障可见性的同时也保障原子性,具体的请自行理解)
• getLocalIpSuffix()办法内不须要对不为null的逻辑加同步锁(双向校验锁，整体是一种平安的单例模式)
• 自己实现的形式并不是解决问题的惟一形式，具体解决问题须要视以后零碎架构具体而论
• 任何测试都是必要的，我共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！

好了，本文到这里了，如果你有更好的倡议欢送留言分享