当前位置:首页 > 文章列表 > 数据库 > Redis > Redis用INCRBY生成全局唯一ID方法

Redis用INCRBY生成全局唯一ID方法

2026-04-07 20:46:19 0浏览 收藏
Redis的INCRBY命令看似能生成递增ID,实则无法满足全局唯一性要求——在主从复制延迟、实例重启无持久化、分片集群跨slot等真实生产场景下极易导致ID重复或跳变;真正可靠的方案是采用“毫秒级时间戳+原子自增序号”双段结构,通过Lua脚本封装、强制开启AOF持久化、按时间戳动态分key并设置自动过期,兼顾唯一性、有序性与高并发安全性,让ID生成既稳定又可扩展。

Redis如何控制全局唯一ID生成_通过String的INCRBY指令自增实现

为什么 INCRBY 不能直接当全局唯一 ID 用

直接对一个 key 执行 INCRBY 1 确实能返回递增整数,但「全局唯一」不只看数字不重复——它还要求高并发下不冲突、重启后不回退、跨集群不重复。单靠 INCRBY 在 Redis 单实例上勉强可用,一旦加了主从、分片或哨兵切换,就可能因复制延迟或 failover 导致 ID 重复或跳变。

  • 主从同步异步时,从节点短暂升主,两个主同时 INCRBY,ID 就撞车
  • Redis 重启后若没开 AOF 或 RDB 持久化,计数器直接归零
  • 分片集群(如 Redis Cluster)里,不同 slot 的 key 无法原子递增,没法靠一个命令撑起全局

真正可用的方案:带时间戳前缀 + 原子自增

把 ID 拆成两段:高位是毫秒级时间戳(保证趋势递增),低位是该毫秒内的自增序号。这样既避免纯自增的单点瓶颈,又保留全局有序性。关键在于「同一毫秒内」的序号必须由 Redis 原子保证不重复。

  • 用 INCRBY 操作一个带时间戳的 key,比如 id:20240520142305123,每次请求先取当前毫秒,再对该 key 自增
  • 如果毫秒变了,就换新 key;如果没变,继续用老 key 自增 —— 这样每个 key 实际只承担极短时间内的并发压力
  • 必须开启 appendonly yes,否则宕机后序号丢失,下一毫秒可能生成重复 ID

示例逻辑(伪代码):

ts = current_timestamp_ms()
key = "id:" + ts
seq = redis.INCRBY(key, 1)
if seq == 1:
    redis.EXPIRE(key, 60)  # 防 key 泛滥,60 秒后自动清理
id = (ts << 20) | (seq & 0xFFFFF)

用 INCRBY 时最容易踩的三个坑

INCRBY 看似简单,但和 ID 生成强绑定时,边界条件特别敏感。

  • 初始值没设好:INCRBY 对不存在的 key 默认从 0 开始加,但如果你期望 ID 从 1 起始,得先 SET id:xxx 0,否则第一次 INCRBY 1 得到的是 1,第二次才是 2 —— 表面没问题,但中间若有人 GET 到空值就崩了
  • 整数溢出不处理:INCRBY 结果超过 64 位有符号整数(9223372036854775807)会绕回负数,ID 突然变负极其难排查
  • 没配 maxmemory-policy:大量时间戳 key 积压,内存爆掉,Redis 直接 OOM 退出

比 INCRBY 更稳的选择:Lua 脚本封装原子逻辑

单纯靠客户端拼时间戳 + 多次网络往返,还是可能在“读时间戳”和“调 INCRBY”之间被其他客户端插队。用 Lua 把整个判断+自增逻辑塞进 Redis 服务端执行,才能真正原子。

  • 脚本里用 redis.call("TIME") 拿毫秒,再拼 key,再 INCRBY,全程无竞态
  • 注意 Lua 中 redis.call() 报错会中断整个脚本,别在脚本里做复杂计算或网络请求
  • Redis Cluster 下,所有 key 必须落在同一个 slot,所以 key 名里得加 {xxx} 标签强制路由,比如 id:{20240520142305123}

示例 Lua(精简版):

local ts = tonumber(ARGV[1])
local key = "id:{" .. ts .. "}"
local seq = redis.call("INCRBY", key, 1)
redis.call("EXPIRE", key, 60)
return (ts * 1000000) + seq

事情说清了就结束。真正上线时,ID 生成模块的压测重点不是吞吐量,而是 failover 后 100ms 内是否出现重复或倒序 —— 这个点多数人根本想不到测。

今天关于《Redis用INCRBY生成全局唯一ID方法》的内容介绍就到此结束,如果有什么疑问或者建议,可以在golang学习网公众号下多多回复交流;文中若有不正之处,也希望回复留言以告知!

Golang优雅配置管理及多环境切换指南Golang优雅配置管理及多环境切换指南
上一篇
Golang优雅配置管理及多环境切换指南
PHP清理无效视频文件方法详解
下一篇
PHP清理无效视频文件方法详解
查看更多
最新文章
查看更多
课程推荐
  • 前端进阶之JavaScript设计模式
    前端进阶之JavaScript设计模式
    设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
    543次学习
  • GO语言核心编程课程
    GO语言核心编程课程
    本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
    516次学习
  • 简单聊聊mysql8与网络通信
    简单聊聊mysql8与网络通信
    如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
    500次学习
  • JavaScript正则表达式基础与实战
    JavaScript正则表达式基础与实战
    在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
    487次学习
  • 从零制作响应式网站—Grid布局
    从零制作响应式网站—Grid布局
    本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
    485次学习
查看更多
AI推荐
  • PubMedQA数据集详解:生物医学问答基准、功能与应用指南
    PubMedQA
    深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
    298次使用
  • H2O EvalGPT:开源LLM大模型评估与排行榜工具
    H2O EvalGPT
    H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
    354次使用
  • LMArena是什么?伯克利AI模型评估平台使用指南与功能解析
    LMArena
    LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
    354次使用
  • 斯坦福HELM:大语言模型Holistic Evaluation整体评估框架详解
    HELM
    深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
    319次使用
  • MMBench详解:多模态大模型基准测试、功能特点与使用指南
    MMBench
    MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台,提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景,助力开发者全面评估多模态模型性能。
    139次使用
微信登录更方便
  • 密码登录
  • 注册账号
登录即同意 用户协议 和 隐私政策
返回登录
  • 重置密码