java的Random居然是假随机

故事背景

今天合作方K反馈没有收到微信解约信息,我感觉大概是系统报错了,或者是连接超时之类的错误,结果一排查发现这个解约消息回调到合作方B了......我记得逻辑是根据签约号查询数据库的签约信息,签约信息有渠道号,根据渠道去通知到对应的url请求,怎么会弄混了呢,百思不得其解。

问题排查

首先是看有多少数据是这种情况,通过查日志和数据库都确认了只有这一条数据发送到错误的渠道,对业务影响不大。然后仔细看代码逻辑发现了蹊跷的地方,查询渠道的时候居然是通过序列号去查询,不是通过协议号,下面是序列号的生成规则。

一开始我只是以为刚好这么巧,在同一个时间戳+同一个随机数刚好冲突了,上线了快半年,一天可能有上万的签约记录,只出现了一次。

我跟兄弟说这个事情后,他说听说Random是伪随机数,后面证实了确实如此,传入了种子后,得到的数字都是一样的...

当创建Random的实例对象时,没有指定种子,系统会以当前时间戳作为种子,产生随机数。当指定种子后,两次产生的随机数序列就会一样了。

所以这个随机数不管传不传种子,如果是时间戳一样,random的数字肯定是一样的.....怪不得说他是伪随机,大概的算法就是根据时间戳做一个计算处理。

方案处理

其实在这个业务中处理还挺简单的,不用这个"唯一"序列号做查询条件,使用有唯一索引的订单号作为查询条件就解决了。另外除了数据库唯一索引校验,还有其他几种分布式id生成方式。

1、UUID

缺点:字段太长占用空间,无序性,插入数据库时可能导致页分裂,降低写入效率。一般不推荐使用

2、redis分布式id

优点:性能较高,ID持续递增

缺点:依赖redis,redis挂了服务会异常

我们服务有用过redis这种生成方式

3、雪花算法

雪花算法是由时间戳 + 数据中心ID + 机器ID + 序列号组成。如果时间戳一样,就会在本地保存一个序列号,依次递增。

优点:本地生成,无网络开销。

缺点:时钟回拨问题:机器时钟不同步可能导致ID重复。

其实我们也算是半个雪花算法,我们用的是时间戳+random随机数,只不过时间戳跟random随机数是绑定关系,时间戳一样,random随机数就不随机了- -

4、Leaf(号段模式)

美团开源的分布式ID服务,批量从数据库获取号段(如1-1000),内存分配。

优点:高吞吐:减少数据库访问频率。

缺点:需等待新号段获取,存在短暂阻塞风险。

我们也用过这种号段方式,不过是用的redis版本。

总结

random是个伪随机数,不能跟时间戳共用。一般可以用时间戳+redis分布式id,或者时间戳+mysql的号段方式比较好~

相关推荐
一只叫煤球的猫22 分钟前
真实事故复盘:Redis分布式锁居然失效了?公司十年老程序员踩的坑
java·redis·后端
大鸡腿同学1 小时前
身弱武修法:玄之又玄,奇妙之门
后端
轻语呢喃3 小时前
JavaScript :字符串模板——优雅编程的基石
前端·javascript·后端
MikeWe3 小时前
Paddle张量操作全解析:从基础创建到高级应用
后端
岫珩3 小时前
Ubuntu系统关闭防火墙的正确方式
后端
心之语歌3 小时前
Java高效压缩技巧:ZipOutputStream详解
java·后端
不死的精灵4 小时前
【Java21】在spring boot中使用ScopedValue
java·spring boot·后端
M1A15 小时前
TCP/IP协议精解:IP协议——互联网世界的邮政编码系统
后端·网络协议·tcp/ip
逸风尊者5 小时前
开发易掌握的知识:GeoHash查找附近空闲车辆
java·后端
程序猿阿越6 小时前
Kafka源码(一)Controller选举与创建Topic
java·后端·源码