題目:設計一個身份證查詢系統,將身份證號md5 之後存儲,輸入md5值查詢對應的身份證號。
要求:成本低,查詢速度快
設計思路:
- 將所有可能的身份證號做一個簡單的統計計算數據量
- 根據數據量選擇存儲方式
- 查詢
身份證生成規則:
身份號碼是特徵組合碼,由前十七位數字本體碼和最後一位數字校驗碼組成。排列順序從左至右依次爲六位數字地址碼,八位數字出生日期碼,三位數字順序碼和一位數字校驗碼。
地址碼: 表示編碼對象常住戶口所在縣(市、旗、區)的行政區劃代碼。對於新生兒,該地址碼爲戶口登記地行政區劃代碼。需要沒說明的是,隨着行政區劃的調整,同一個地方進行戶口登記的可能存在地址碼不一致的情況。行政區劃代碼按GB/T2260的規定執行。
出生日期碼:表示編碼對象出生的年、月、日,年、月、日代碼之間不用分隔符,格式爲YYYYMMDD,如19880328。按GB/T 7408的規定執行。原15位身份證號碼中出生日期碼還有對百歲老人特定的標識,其中999、998、997、996分配給百歲老人。
順序碼: 表示在同一地址碼所標識的區域範圍內,對同年、同月、同日出生的人編定的順序號,順序碼的奇數分配給男性,偶數分配給女性。
校驗碼: 根據本體碼,通過採用ISO 7064:1983,MOD 11-2校驗碼系統計算出校驗碼。算法可參考下文。前面有提到數字校驗碼,我們知道校驗碼也有X的,實質上爲羅馬字符X,相當於10.
校驗碼算法
將本體碼各位數字乘以對應加權因子並求和,除以11得到餘數,根據餘數通過校驗碼對照表查得校驗碼。
加權因子表:
+-----------------------------------------------------------+
|位置序號|1 |2 |3 |4 |5 |6 |7 |8 |9 |10|11|12|13|14|15|16|17|
+-----------------------------------------------------------+
|加權因子|7 |9 |10|5 |8 |4 |2 |1 |6 |3 |7 |9 |10|5 |8 |4 |2 |
+-----------------------------------------------------------+
校驗碼錶:
+----------------------------------------------------+
| 餘數 | 0 | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 | 10 |
+----------------------------------------------------+
| 校驗碼| 1 | 0 | X | 9 | 8 | 7 | 6 | 5 | 4 | 3 | 2 |
+----------------------------------------------------+
算法舉例:
本體碼爲11010519491231002
- 第一步:各位數與對應加權因子乘積求和1 7+1 9+0 10+1 5+ * =167
- 第二步:對求和進行除11得餘數167%11=2
- 第三步:根據餘數2對照校驗碼得X
因此完整身份證號爲:11010519491231002X
預估數據量:
- 身份證號18位,前六位爲地區碼,中間八位爲日期,日期後三位爲順序碼,最後一位爲校驗位,佔32個字節
- md5值爲32位,佔32個字節
- 計算最近100年數據,大約數據量爲:
3465x100x365x999=126346027500
- 數據以字符串存儲,每條數據
32+18=50B
- 則數據量爲
126346027500 x 50=6317301375000B=6169239624k=6024648M=5883G=5.74T
`
存儲方式有文件存儲、關係型數據庫存儲和es存儲等。從結果可以看到有接近6T的數據,如果存入數據庫或es成本較高,這裏選擇以文件的方式存儲。
那有沒有方式壓縮存儲空間呢?
- 身份證號最後一位爲校驗位,可以不存儲,省略掉這一位會節約1/50點空間
- 不以字符串的方式存儲,將身份證號以uint64存儲,md5值也轉化成兩個uint64存儲。uint64佔8閣字節空間,這樣一條數據的空間由50降爲了 24。最終數據量爲2.74T,節約一半多的空間。
那現在有一個問題,每個文件多大合適呢?
如果文件太大,每次將文件讀取到內存中耗時較長,如果文件太小,則會生成太多的文件可能超出系統的文件數限制。
這裏可以參考數據庫索引的存儲方式,設定每個數據文件的大小(2.8T數據可以設置每個數據文件1G左右。
數據生成後如何查詢?
- 遍歷,依次讀取文件,查找數據,效率太低
- 這裏參考數據庫索引的查詢方式,首先將數據按md5值排序後存儲多個文件,記錄每個文件中md5值的範圍,輸入md5值確定文件,再讀取文件使用二分查找。
- 這時查找數據只需要讀取一個文件,但是每個文件都有幾百兆的數據,查詢效率還是太低,再參考一下數據庫索引,這裏將文件內部再分頁,記錄每頁的範圍,和文件所自身記錄的起始值一起生成索引,索引結構如圖所示:
索引數據結構爲:
# 爲了簡化存儲,這裏file1、file2、file3、file4 爲該文件第一條數據的md5值,也是對應的文件名
# 頁的大小固定,所以二級索引只需要按順序記錄每頁的第一個md5值即可
indexes = {
"file1": ["md51", "md52", "md53", "..."],
"file2": ["md51", "md52", "md53", "..."],
"file3": ["md51", "md52", "md53", "..."],
"file4": ["md51", "md52", "md53", "..."],
}
第一層索引爲文件索引,首先通過md5值判斷md5值所在文件,比如輸入的 start1 > md5 > start1,可以判斷結果可能在file1 中;
第二層爲文件內索引,通過md5值判斷所在的頁,讀取根據offset讀取該頁的全部數據,再通過二分查找找到對應的身份證號。
代碼實現源碼地址:https://github.com/gusibi/one...
使用方式:
1. go run main.go
2. curl http://127.0.0.1:8080/search?md5={id md5}
參考鏈接:
最後,感謝女朋友支持和包容,比❤️
也可以在公號輸入以下關鍵字獲取歷史文章:公號&小程序
| 設計模式
| 併發&協程