订单表上有个唯一索引,上线后偶尔报重复键。请求链路里没有重复提交,两台机器却在同一毫秒生成了同一个订单号。
ID 生成方案的文章很多,讲清楚边界的少。雪花、号段、Redis 自增,单看都能用,真出事的地方全在细节里。机器号怎么分,时钟往回跳了怎么办,Redis 主从切换之后号段会不会倒着走。
这篇按「一个 ID 要满足什么」开始,逐个方案过一遍边界,再给一张选型表。
01一个 ID 要同时满足什么
业务对 ID 的要求,拆开大概是五条。全局唯一,趋势递增,生成够快,长度可接受,还要尽量避开单点。
全局唯一是底线。趋势递增有利于 InnoDB 的聚簇索引。主键有序,插入多半落在 B+ 树右侧;随机主键会让插入位置分散,增加页分裂和写放大。
生成够快,是别让一次发号拖住一个下单请求。长度可接受,是订单号、流水号这种要给人看、要贴进客服系统的 ID,32 位 UUID 念都念不出来。
不依赖单点,说的是发号服务自己挂了,业务能不能继续跑一段。
五条要全占,没有哪个方案免费。选型就是挑一个方向放弃,然后接受它的代价。
02雪花算法的性能和边界
雪花是 64 位整数,拆成四段。1 位符号位不用,后面依次是 41 位毫秒时间戳、10 位机器号和 12 位序列号。
41 位时间戳从自定义起点算,能撑大约 69 年。12 位序列号,同一台机器同一毫秒最多发 4096 个 ID。机器号 10 位,理论上一千多个节点,够用但别真堆到上限。
生成逻辑只有十几行。
JAVApublic synchronized long next() { long ts = System.currentTimeMillis(); if (ts < lastTs) { throw new IllegalStateException( "clock back"); } if (ts == lastTs) { seq = (seq + 1) & 4095; if (seq == 0) { while (ts <= lastTs) { ts = System.currentTimeMillis(); } } } else { seq = 0; } lastTs = ts; long low = (workerId << 12) | seq; return ((ts - EPOCH) << 22) | low; }它在本地生成,没有网络往返。单个 worker 发出的 ID 会随时间大体递增;跨 worker 只能保证趋势递增,不能拿 ID 大小当作严格的全局先后顺序。
代价集中在机器号和时间上。
机器号不能重复。同一毫秒里两个 workerId 相同的节点,序列号都从 0 开始,一定会撞。K8s 里用 Pod IP 算机器号看着聪明,滚动发布时 IP 变了号也变了,反而更容易和旧实例撞。
常见做法是给每个实例配固定编号。可以用 StatefulSet 序号,也可以由配置中心下发;启动时到 ZooKeeper 或数据库抢占一个号也能解决。编号的分配和回收要有唯一入口。
03时钟回拨那一下,最容易出事
雪花依赖 System.currentTimeMillis(),它不保证只增不减。NTP 校准、虚拟机迁移、改系统时间,都可能让时间往回跳几十毫秒到几秒。
回拨幅度小,可以等过去。幅度大时,要换机器号或直接拒绝发号。
JAVAlong back = lastTs - ts; if (back <= 5) { // 5ms 内等一等 Thread.sleep(back + 1); return next(); } if (back <= 5000) { // 换号前先告警 log.warn("clock back {} ms", back); workerId = reallocWorkerId(); lastTs = -1; return next(); } throw new IllegalStateException( "clock back too long");换机器号这个动作要谨慎。老实例可能还在别的节点上跑,回收的号段不能立刻给别人,最好加冷却时间,或者干脆让进程重启,由分配中心重新发号。
生产上还要盯住 NTP 同步状态。跳过去的那一秒如果没有协议对时,多数机器不会叫,悄悄就不对了。
04号段模式适合订单号和流水号
号段会一次从数据库领一段,比如 1 到 1000,然后在本地内存发完再领下一段。
数据库里只需要一张表。
SQLCREATE TABLE id_segment ( biz_tag VARCHAR(32) PRIMARY KEY, max_id BIGINT NOT NULL, step INT NOT NULL DEFAULT 1000 ); UPDATE id_segment SET max_id = max_id + step WHERE biz_tag = 'order'; -- 再 SELECT max_id,区间是 (max_id-step, max_id]
本地可以用双 buffer 扛住突发。当前段还剩 20% 时,异步去领下一段,正常情况下业务请求不会等待数据库发号。
JAVApublic synchronized long nextId() { if (cursor >= currentEnd - step / 5) { asyncLoadNextSegment(); } if (cursor < currentEnd) { return ++cursor; } loadNextSegment(); // 阻塞兜底 return ++cursor; }号段的边界很清楚。重启会跳号,ID 不连续,业务要是要求「订单号严格连续」,这个方案就不合适。
数据库挂了,本地区间还能继续发多久,取决于 step 和当前 QPS。step 设 1000、QPS 200,也就撑五秒。想扛住分钟级故障,step 得调大,代价是重启跳号更明显。
这段判断要写进值班手册。发号服务告警时,先看本地区间还剩多少,别急着重启。
05Redis 自增要接受回退风险
Redis 的 INCR 是原子操作,按天分 key,可以拿到趋势递增的号。
SHELLKEY="id:order:$(date +%Y%m%d)" redis-cli INCR "$KEY" redis-cli INCRBY "$KEY" 1000 # 一次取一段
用 INCRBY 一次领一段、本地内存发号,能把 Redis 的 QPS 压力降下来。这一点跟号段模式一样,只是把存储从 MySQL 换成了 Redis。
问题在于可靠性级别。Redis 的持久化默认是异步的,主从复制也是异步的。主库写成功、还没同步到从库就宕机,切主之后计数可能回退,已发出去的号会被重新发一遍。
AOF 设成 everysec,极端情况下丢的那一秒写入正好包含计数,一样会回退。
所以 Redis 直接自增只适合能接受计数回退的编号。唯一索引可以拦住重复写入,却不能把已发出去的重复编号变回唯一。订单号不能撞时,要给切主后的计数设置不回退的恢复流程,或者改用有持久化唯一入口的号段服务。
还有两个细节。单 key 在 Redis 集群里只落一个槽,写的量大了就是热点;按天拆 key 能缓解,但同一天的下单高峰期还是集中在一个 key 上。
06五种方案放一张表
数据库自增不是不能用,单库小系统最省事。分库之后要靠 auto_increment_increment 和 auto_increment_offset 错开步长,扩容时改参数很别扭,迁移一次掉层皮。
UUID 的优点是本地生成、完全去中心化。随机 UUID 用作 InnoDB 聚簇主键时,插入位置分散,通常会增加页分裂和写放大。需要时间有序时,可以评估 UUIDv7、ULID 这类变体,同时确认数据库存储格式和生成库是否一致。
07按业务长度和连续性来选
订单号、支付流水号这类要给人看的 ID,优先号段。位数可控,可以拼日期前缀,还能按业务线分 biz_tag。重启跳号这件事,跟业务方确认一句就行,多数对账系统按唯一性对,不按连续对。
日志、消息、事件这类只给机器用的 ID,雪花更合适。性能高,天然带时间信息,排查时看 ID 就能估出发生时间。
营销券码、短链码这种要短、要有可读性的,Redis 自增加业务前缀就够,前提是能接受主从切换时的重号风险,或者只在段分配上用 Redis。
数据库自增留给单库、低并发的内部系统。UUID 留给不关心排序的表,比如配置、日志明细。
选型时还要看 ID 会不会泄露业务量。连续自增的订单号可能暴露当天单量,雪花 ID 解出时间戳后也能反推。对外暴露的 ID 最好加一层映射,或者另用无序的业务号。
08上线前,先确认这几件事
机器号从哪来、怎么回收,有没有唯一入口,冷却时间够不够。这两点没想清楚,雪花迟早撞。
时钟同步有没有监控,回拨超过阈值会不会告警。别等出事了才去看 NTP 状态。
号段的 step 定多大、本地区间耗尽时怎么降级,值班同学知不知道。这几个数字直接决定故障时还能撑几分钟。
Redis 的持久化模式和主从切换策略,团队里能不能说清楚。说不清,就别把它当唯一发号源。
你们现在的订单号,是哪种方案生成的?如果要换,最先要动的是哪一块?