如何實現一個短鏈接服務

短鏈接，通俗來說，就是將長的URL網址，通過程序計算等方式，轉換為簡短的網址字符串。

大家經常會收到一些莫名的營銷短信，里面有一個非常短的鏈接讓你跳轉。新浪微博因為限制字數，所以也會經常見到這種看着不像網址的網址。短鏈的興起應該就是微博限制字數激起了大家的創造力。

如果創建一個短鏈系統，我們應該做什么呢？

1. 將長鏈接變為短鏈；
2. 用戶訪問短鏈接，會跳轉到正確的長鏈接上去。

查找到對應的長網址，並跳轉到對應的頁面。

短鏈生成方法

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、普通隨機數。

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，然后將這個10進制的id值，轉化成一個62進制的字符串。

一般利用數據表中的自增id來完成：每次先查詢數據表中的自增id最大值max，那么需要插入的長網址對應自增id值就是 max+1，將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，確保所有的短碼長度都一致。同時，生成的短碼是有序的，可能會有安全的問題，可以將生成的短碼id，結合長網址等其他關鍵字，進行md5運算生成最后的短碼。

摘要算法

摘要算法又稱哈希算法，它表示輸入任意長度的數據，輸出固定長度的數據。相同的輸入數據始終得到相同的輸出，不同的輸入數據盡量得到不同的輸出。

算法過程：

1. 將長網址md5生成32位簽名串,分為4段, 每段8個字節；
2. 對這四段循環處理, 取8個字節, 將他看成16進制串與0x3fffffff(30位1)與操作, 即超過30位的忽略處理；
3. 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符, 依次進行獲得6位字符串；
4. 總的md5串可以獲得4個6位串；取里面的任意一個就可作為這個長url的短url地址；

這種算法,雖然會生成4個,但是仍然存在重復幾率。

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。

普通隨機數

該方法是從62個字符串中隨機取出一個6位短碼的組合，然后去數據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獲取短碼，否則就直接返回。

該方法是最簡單的一種實現，不過由於Math.round()方法生成的隨機數屬於偽隨機數，碰撞的可能性也不小。在數據比較多的情況下，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鏈地址的。原理就是將10進制數字轉為62進制，那么別人也可以使用相同的方式遍歷你的短鏈獲取對應的原始鏈接。打個比方說：http://tinyurl.com/a3300和 http://bit.ly/a3300，這兩個短鏈網站，分別從a3300 - a3399，能夠試出來多次返回正確的url。所以這種方式生成的短鏈對於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/ 和 http://mrw.so/ 連續生成的url發現並沒有規律，很有可能就是使用hash算法來實現。

普通隨機數算法，這種算法生成的東西和摘要算法一樣，但是碰撞的概率會大一些。因為摘要算法畢竟是對url進行hash生成，隨機數算法就是簡單的隨機生成，數量一旦上來必然會導致重復。

綜合以上，我選擇最low的算法：摘要算法。

實現

存儲方案

數據庫存儲方案

短網址基礎數據采用域名和后綴分開存儲的形式。另外域名需要區分 HTTP 和 HTTPS，hash方案針對整個鏈接進行hash而不是除了域名外的鏈接。域名單獨保存可以用於分析當前域名下鏈接的使用情況。

增加當前鏈接有效期字段，一般有短鏈需求的可能是相關活動或者熱點事件，這種短鏈在一段時間內會很活躍，過了一定時間熱潮會持續衰退。所以沒有必要將這種鏈接永久保存增加每次查詢的負擔。

對於過期數據的處理，可以在新增短鏈的時候判斷當前短鏈的失效日期，將每天到達失效日期的數據在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，每天只用處理當天HBase表中的失效數據。

數據庫基礎表如下:

base_url	suffix_url	shot_code	total_click_count	full_url	expiration_date
http://www.aichacha.com	/search/12345	edfg3s		http://www.aichacha.com//search/12345
http://www.aichacha.com	/aiCheck/getResult/123	Fe9dq		http://www.aichacha.com//aiCheck/getResult/123
http://www.baidu.com	/wenku/12354	lcfr53		http://www.baidu.com/wenku/12354

字段釋義：

base_url：域名

suffix_url：鏈接除了域名外的后綴

full_url：完整鏈接

shot_code：當前 suffix_url 鏈接的短碼

expiration_date：失效日期

total_click_count：當前鏈接總點擊次數

expiration_date：當前鏈接失效時間

緩存方案

• 查詢需求

個人認為對於幾百個G的數據量都放在緩存肯定是不合適的，所以有個折中的方案：將最近3個月內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概率會命中緩存，就不用走庫。查不到的時候再走庫更新緩存。

• 新增需求

對於新增的鏈接就先查緩存是否存在，緩存不存在再查庫，數據庫已經分表了，查詢的效率也不會很低。

• 緩存的設計

查詢的需求是用戶拿着短鏈查詢對應的真實地址，那么緩存的key只能是短鏈，可以使用 KV的形式存儲。

---

番外

其實也可以考慮別的存儲方案，比如HBase，HBase作為NOSQL數據庫，性能上僅次於redis但是存儲成本比redis低很多個數量級，存儲基於HDFS，寫數據的時候會先先寫入內存中，只有內存滿了會將數據刷入到HFile。讀數據也會快，原因是因為它使用了LSM樹型結構，而不是B或B+樹。HBase會將最近讀取的數據使用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，合適的索引規則效果不輸緩存方案。

---

是否有分庫分表的需要？

對於單條數據10b以內，一億條數據總容量大約為 953G，單表肯定無法撐住這么大的量，所以有分表的需要，如果你對服務很有信心2年內能達到這個規模，那么你可以從一開始設計就考慮分表的方案。

那么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，那么單表容量就是47G，還是挺大，所以考慮分表的 key 和單表容量，如果分為100張表那么單表容量就是10G，並且通過數字后綴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后做路由。

如何轉跳

當我們在瀏覽器里輸入 http://bit.ly/a3300 時

1. DNS首先解析獲得 http://bit.ly的 IP 地址
2. 當 DNS 獲得 IP 地址以后（比如：12.34.5.32），會向這個地址發送 HTTP GET 請求，查詢短碼 a3300
3. [http://bit.ly 服務器會通過短碼 a3300 獲取對應的長 URL
4. 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。

這里有個小的知識點，為什么要用 301 跳轉而不是 302 吶？

知識點：為什么要使用302跳轉，而不是301跳轉呢？

301是永久重定向，302是臨時重定向。短地址一經生成就不會變化，所以用301是符合http語義的。但是如果用了301， Google，百度等搜索引擎，搜索的時候會直接展示真實地址，那我們就無法統計到短地址被點擊的次數了，也無法收集用戶的Cookie, User Agent 等信息，這些信息可以用來做很多有意思的大數據分析，也是短網址服務商的主要盈利來源。

引自知乎-武林的回答，原文鏈接

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 加密字符傳前的混合 KEY
        String key = "dwz";
        // 要使用生成 URL 的字符
        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組短鏈接字符串
        for (int i = 0; i < 4; i++) {
            // 把加密字符按照 8 位一組 16 進制與 0x3FFFFFFF 進行位與運算
            String sTempSubString = sMD5EncryptResult.substring(i * 8, i * 8 + 8);
            // 這里需要使用 long 型來轉換，因為 Inteper .parseInt() 只能處理 31 位 , 首位為符號位 , 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位的字符串
            for (int j = 0; j < 6; j++) {
                // 把得到的值與 0x0000003D 進行位與運算，取得字符數組 chars 索引(具體需要看chars數組的長度   以防下標溢出，注意起點為0)
                long index = 0x0000003D & lHexLong;
                // 把取得的字符相加
                outChars += chars[(int) index];
                // 每次循環按位右移 5 位
                lHexLong = lHexLong >> 5;
            }
            // 把字符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，最大支持十進制和62進制的轉換
 * 1、將十進制的數字轉換為指定進制的字符串；
 * 2、將其它進制的數字（字符串形式）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);
    }


    /**
     * 在進制表示中的字符集合，0-Z分別用於表示最大為62進制的符號表示
     */
    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'};

    /**
     * 將十進制的數字轉換為指定進制的字符串
     *
     * @param number 十進制的數字
     * @param seed   指定的進制
     * @return 指定進制的字符串
     */
    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));
    }

    /**
     * 將其它進制的數字（字符串形式）轉換為十進制的數字
     *
     * @param number 其它進制的數字（字符串形式）
     * @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++) {
                //找到對應字符的下標，對應的下標才是具體的數值
                if (digits[j] == charBuf[i]) {
                    index = j;
                }
            }
            result += index * base;
            base *= seed;
        }
        return result;
    }
}