如何實作一個短連結服務？

短連結，通俗來說，就是将長的 URL 網址，通過程式計算等方式，轉換為簡短的網址字元串。

大家經常會收到一些莫名的營銷短信，裡面有一個非常短的連結讓你跳轉。新浪微網誌因為限制字數，是以也會經常見到這種看着不像網址的網址。短鍊的興起應該就是微網誌限制字數激起了大家的創造力。

如果建立一個短鍊系統，我們應該做什麼呢？

将長連結變為短鍊；

使用者通路短連結，會跳轉到正确的長連結上去。

查找到對應的長網址，并跳轉到對應的頁面。

短鍊生成方法

短碼一般是由[a - z, A - Z, 0 - 9]這 62 個字母或數字組成，短碼的長度也可以自定義，但一般不超過 8 位。比較常用的都是 6 位，6 位的短碼已經能有 568 億種的組合：(26+26+10)^6 = 56800235584，已滿足絕大多數的使用場景。

目前比較流行的生成短碼方法有：自增id、摘要算法、普通随機數。分布式ID生成器的解決方案總結，這篇也參考看下。

自增 id

該方法是一種無碰撞的方法，原理是，每新增一個短碼，就在上次添加的短碼 id 基礎上加 1，然後将這個 10 進制的 id 值，轉化成一個 62 進制的字元串。

一般利用資料表中的自增 id 來完成：每次先查詢資料表中的自增 id 最大值 max，那麼需要插入的長網址對應自增 id 值就是 max+1，将 max+1 轉成 62 進制即可得到短碼。

但是短碼 id 是從一位長度開始遞增，短碼的長度不固定，不過可以用 id 從指定的數字開始遞增的方式來處理，確定所有的短碼長度都一緻。同時，生成的短碼是有序的，可能會有安全的問題，可以将生成的短碼 id，結合長網址等其他關鍵字，進行 md5 運算生成最後的短碼。

摘要算法

摘要算法又稱雜湊演算法，它表示輸入任意長度的資料，輸出固定長度的資料。相同的輸入資料始終得到相同的輸出，不同的輸入資料盡量得到不同的輸出。

算法過程：

将長網址 md5 生成 32 位簽名串,分為 4 段, 每段 8 個位元組；

對這四段循環處理, 取 8 個位元組, 将他看成 16 進制串與 0x3fffffff(30 位 1)與操作, 即超過 30 位的忽略處理；

這 30 位分成 6 段, 每 5 位的數字作為字母表的索引取得特定字元, 依次進行獲得 6 位字元串；

總的 md5 串可以獲得 4 個 6 位串；取裡面的任意一個就可作為這個長 url 的短 url 位址；

這種算法,雖然會生成 4 個,但是仍然存在重複幾率。

雖然幾率很小，但是該方法依然存在碰撞的可能性，解決沖突會比較麻煩。不過該方法生成的短碼位數是固定的，也不存在連續生成的短碼有序的情況。

普通随機數

該方法是從 62 個字元串中随機取出一個 6 位短碼的組合，然後去資料庫中查詢該短碼是否已存在。如果已存在，就繼續循環該方法重新擷取短碼，否則就直接傳回。

該方法是最簡單的一種實作，不過由于Math.round()方法生成的随機數屬于僞随機數，碰撞的可能性也不小。在資料比較多的情況下，可能會循環很多次，才能生成一個不沖突的短碼。

算法分析

以上算法利弊我們一個一個來分析。

如果使用自增 id 算法，會有一個問題就是不法分子是可以窮舉你的短鍊位址的。原理就是将 10 進制數字轉為 62 進制，那麼别人也可以使用相同的方式周遊你的短鍊擷取對應的原始連結。

打個比方說：

http://tinyurl.com/a3300 和 http://bit.ly/a3300

，這兩個短鍊網站，分别從a3300 - a3399，能夠試出來多次傳回正确的 url。是以這種方式生成的短鍊對于使用者來說其實是不安全的。

摘要算法，其實就是 hash 算法吧，一說 hash 大家可能覺得很 low，但是事實上 hash 可能是最優解。比如：

http://www.sina.lt/ http://mrw.so/

連續生成的 url 發現并沒有規律，很有可能就是使用 hash 算法來實作。

普通随機數算法，這種算法生成的東西和摘要算法一樣，但是碰撞的機率會大一些。因為摘要算法畢竟是對 url 進行 hash 生成，随機數算法就是簡單的随機生成，數量一旦上來必然會導緻重複。

綜合以上，我選擇最 low 的算法：摘要算法。

實作

存儲方案

資料庫存儲方案

短網址基礎資料采用域名和字尾分開存儲的形式。另外域名需要區分 HTTP 和 HTTPS，hash 方案針對整個連結進行 hash 而不是除了域名外的連結。域名單獨儲存可以用于分析目前域名下連結的使用情況。

增加目前連結有效期字段，一般有短鍊需求的可能是相關活動或者熱點事件，這種短鍊在一段時間内會很活躍，過了一定時間熱潮會持續衰退。是以沒有必要将這種連結永久儲存增加每次查詢的負擔。

對于過期資料的處理，可以在新增短鍊的時候判斷目前短鍊的失效日期，将每天到達失效日期的資料在 HBase 單獨建一張表，有新增的時候判斷失效日期放到對應的 HBase 表中即可，每天隻用處理當天 HBase 表中的失效資料。

資料庫基礎表如下:

字段釋義：

base_url：域名

suffix_url：連結除了域名外的字尾

full_url：完整連結

shot_code：目前 suffix_url 連結的短碼

expiration_date：失效日期

total_click_count：目前連結總點選次數

expiration_date：目前連結失效時間

緩存方案

查詢需求

個人認為對于幾百個 G 的資料量都放在緩存肯定是不合适的，是以有個折中的方案：将最近 3 個月内有查詢或者有新增的 url 放入緩存，使用 LRU 算法進行熱更新。這樣最近有使用的發機率會命中緩存，就不用走庫。查不到的時候再走庫更新緩存。

新增需求

對于新增的連結就先查緩存是否存在，緩存不存在再查庫，資料庫已經分表了，查詢的效率也不會很低。

緩存的設計

查詢的需求是使用者拿着短鍊查詢對應的真實位址，那麼緩存的 key 隻能是短鍊，可以使用 KV 的形式存儲。

番外

其實也可以考慮别的存儲方案，比如 HBase，HBase 作為 NOSQL 資料庫，性能上僅次于 redis 但是存儲成本比 redis 低很多個數量級，存儲基于 HDFS，寫資料的時候會先先寫入記憶體中，隻有記憶體滿了會将資料刷入到 HFile。

關注微信公衆号：Java技術棧，在背景回複：redis，可以擷取我整理的 N 篇最新Redis教程，都是幹貨。

讀資料也會快，原因是因為它使用了 LSM 樹型結構，而不是 B 或 B+樹。HBase 會将最近讀取的資料使用 LRU 算法放入緩存中，如果想增強讀能力，可以調大 blockCache。

其次，也可以使用 ElasticSearch，合适的索引規則效果不輸緩存方案。

是否有分庫分表的需要？

對于單條資料 10b 以内，一億條資料總容量大約為 953G，單表肯定無法撐住這麼大的量，是以有分表的需要，如果你對服務很有信心 2 年内能達到這個規模，那麼你可以從一開始設計就考慮分表的方案。推薦：大廠在用的分庫分表方案，看這篇就夠了。

那麼如何定義分表的規則呢？

如果按照單表 500 萬條記錄來算，總計可以分為 20 張表，那麼單表容量就是 47G，還是挺大，是以考慮分表的 key 和單表容量，如果分為 100 張表那麼單表容量就是 10G，并且通過數字字尾路由到表中也比較容易。可以對 short_code 做 encoding 編碼生成數字類型然後做路由。

如何轉跳

當我們在浏覽器裡輸入

時

DNS 首先解析獲得

http://bit.ly

的`IP`位址

當DNS獲得IP位址以後（比如：12.34.5.32），會向這個位址發送HTTP``GET請求，查詢短碼a3300

[http://bit.ly 伺服器會通過短碼a3300擷取對應的長 URL

請求通過HTTP 301轉到對應的長 URL

http://www.theaustralian.news.com.au/story/0,25197,26089617-5013871,00.html

。

這裡有個小的知識點，為什麼要用 301 跳轉而不是 302 呐？

知識點：為什麼要使用 302 跳轉，而不是 301 跳轉呢？

301 是永久重定向，302 是臨時重定向。短位址一經生成就不會變化，是以用 301 是符合 http 語義的。但是如果用了 301， Google，百度等搜尋引擎，搜尋的時候會直接展示真實位址，那我們就無法統計到短位址被點選的次數了，也無法收集使用者的 Cookie, User Agent 等資訊，這些資訊可以用來做很多有意思的大資料分析，也是短網址服務商的主要盈利來源。

引自：

https://www.zhihu.com/question/20103344/answer/573638467

附上兩個算法：

摘要算法：

import org.apache.commons.lang3.StringUtils;

import javax.xml.bind.DatatypeConverter;
import java.security.MessageDigest;
import java.security.NoSuchAlgorithmException;
import java.util.concurrent.atomic.AtomicLong;

import static com.alibaba.fastjson.util.IOUtils.DIGITS;

/**
 * @author rickiyang
 * @date 2020-01-07
 * @Desc TODO
 */
public class ShortUrlGenerator {

    public static void main(String[] args) {
        String sLongUrl = "http://www.baidu.com/121244/ddd";
        for (String shortUrl : shortUrl(sLongUrl)) {
            System.out.println(shortUrl);
        }
    }

    public static String[] shortUrl(String url) {
        // 可以自定義生成 MD5 加密字元傳前的混合 KEY
        String key = "dwz";
        // 要使用生成 URL 的字元
        String[] chars = new String[]{"a", "b", "c", "d", "e", "f", "g", "h",
                "i", "j", "k", "l", "m", "n", "o", "p", "q", "r", "s", "t",
                "u", "v", "w", "x", "y", "z", "0", "1", "2", "3", "4", "5",
                "6", "7", "8", "9", "A", "B", "C", "D", "E", "F", "G", "H",
                "I", "J", "K", "L", "M", "N", "O", "P", "Q", "R", "S", "T",
                "U", "V", "W", "X", "Y", "Z"
        };
        // 對傳入網址進行 MD5 加密
        String sMD5EncryptResult = "";
        try {
            MessageDigest md = MessageDigest.getInstance("MD5");
            md.update((key + url).getBytes());
            byte[] digest = md.digest();
            sMD5EncryptResult = DatatypeConverter.printHexBinary(digest).toUpperCase();
        } catch (NoSuchAlgorithmException e) {
            e.printStackTrace();
        }

        String[] resUrl = new String[4];
        //得到 4組短連結字元串
        for (int i = 0; i < 4; i++) {
            // 把加密字元按照 8 位一組 16 進制與 0x3FFFFFFF 進行位與運算
            String sTempSubString = sMD5EncryptResult.substring(i * 8, i * 8 \+ 8);
            // 這裡需要使用 long 型來轉換，因為 Inteper .parseInt() 隻能處理 31 位 , 首位為符号位 , 如果不用 long ，則會越界
            long lHexLong = 0x3FFFFFFF & Long.parseLong(sTempSubString, 16);
            String outChars = "";
            //循環獲得每組6位的字元串
            for (int j = 0; j < 6; j++) {
                // 把得到的值與 0x0000003D 進行位與運算，取得字元數組 chars 索引(具體需要看chars數組的長度   以防下标溢出，注意起點為0)
                long index = 0x0000003D & lHexLong;
                // 把取得的字元相加
                outChars += chars[(int) index];
                // 每次循環按位右移 5 位
                lHexLong = lHexLong >> 5;
            }
            // 把字元串存入對應索引的輸出數組
            resUrl[i] = outChars;
        }
        return resUrl;
    }

}      

數字轉為 base62 算法：

/**
* @author rickiyang
* @date 2020-01-07
* @Desc TODO
* <p>
* 進制轉換工具，最大支援十進制和62進制的轉換
* 1、将十進制的數字轉換為指定進制的字元串；
* 2、将其它進制的數字（字元串形式）轉換為十進制的數字
*/
public class NumericConvertUtils {

    public static void main(String[] args) {
        String str = toOtherNumberSystem(22, 62);
        System.out.println(str);
    }

    /**
     * 在進制表示中的字元集合，0-Z分别用于表示最大為62進制的符号表示
     */
    private static final char[] digits = {'0', '1', '2', '3', '4', '5', '6', '7', '8', '9',
            'a', 'b', 'c', 'd', 'e', 'f', 'g', 'h', 'i', 'j', 'k', 'l', 'm',
            'n', 'o', 'p', 'q', 'r', 's', 't', 'u', 'v', 'w', 'x', 'y', 'z',
            'A', 'B', 'C', 'D', 'E', 'F', 'G', 'H', 'I', 'J', 'K', 'L', 'M',
            'N', 'O', 'P', 'Q', 'R', 'S', 'T', 'U', 'V', 'W', 'X', 'Y', 'Z'};

    /**
     * 将十進制的數字轉換為指定進制的字元串
     *
     * @param number 十進制的數字
     * @param seed   指定的進制
     * @return 指定進制的字元串
     */
    public static String toOtherNumberSystem(long number, int seed) {
        if (number < 0) {
            number = ((long) 2 \* 0x7fffffff) \+ number + 2;
        }
        char[] buf = new char[32];
        int charPos = 32;
        while ((number / seed) > 0) {
            buf[--charPos] = digits[(int) (number % seed)];
            number /= seed;
        }
        buf[--charPos] = digits[(int) (number % seed)];
        return new String(buf, charPos, (32 \- charPos));
    }

    /**
     * 将其它進制的數字（字元串形式）轉換為十進制的數字
     *
     * @param number 其它進制的數字（字元串形式）
     * @param seed   指定的進制，也就是參數str的原始進制
     * @return 十進制的數字
     */
    public static long toDecimalNumber(String number, int seed) {
        char[] charBuf = number.toCharArray();
        if (seed == 10) {
            return Long.parseLong(number);
        }

        long result = 0, base = 1;

        for (int i = charBuf.length - 1; i >= 0; i--) {
            int index = 0;
            for (int j = 0, length = digits.length; j < length; j++) {
                //找到對應字元的下标，對應的下标才是具體的數值
                if (digits[j] == charBuf[i]) {
                    index = j;
                }
            }
            result += index * base;
            base *= seed;
        }
        return result;
    }
}