这可能是东半球最接地气的短链接系统设计

Posted 2020-12-20

引言

今天下午，烟哥和同事在厕所里排队等坑的时候(人多坑少)。想象一下一个场景，我正在一边排队，一边拿着手机撩妹。前面一个同事，拿着手机短信转过头来和我聊天。
于是，我们就开始讨论下面这种短链接的实现原理(没错，上厕所也不忘学习！)。

点击其中短链接后，我们会跳到如下地址
http://h5.dangdang.com/mix_20191015_or4x
本文，我们来讨论一下其实现原理！

正文

需求缘起
这里说一下，为什么需要短链接？这个简单，比如大家发微博的时候

如果URL地址过长，显然可以写的关键字就越少!

再比如发短信如果短信内容过长，那么一条短信就要拆成两条发，浪费钱!

因此采用短链接，不仅节约资源，还十分美观!

请求流程
首先，我们先看看当当的短链接http://dwz.win/nXR
它是由两个部分组成
http://dwz.win:短链接系统的域名地址
nXR:请求参数
请求http://dwz.win/nXR地址后，返回状态如下所示

于是，我们可以推断出，敲下http://dwz.win/nXR地址后，发生了什么呢？

这里渣渣烟就要多嘴一句了。上图所示短链接系统，返回的状态可以为301或者302，只是当当网用的是301。
这里我要说一下，大家应该明白30X状态，在HTTP协议中，代表的是重定向的状态。
301代表什么？
301代表的是永久重定向。什么意思呢?
对于GET请求, 301跳转会默认被浏览器cache。也就是说，用户第一次访问某个短链接后，如果服务器返回301状态码，则这个用户在后续多次访问同一短链接地址，浏览器会直接请求跳转地址，而不会再去短链接系统上取！

这么做优点很明显，降低了服务器压力，但是无法统计到短链接地址的点击次数。

302代表什么？
302代表的是临时定向。什么意思呢?
对于GET请求, 302跳转默认不会被浏览器缓存，除非在HTTP响应中通过 Cache-Control 或 Expires 暗示浏览器缓存。因此，用户每次访问同一短链接地址，浏览器都会去短链接系统上取。

这么做的优点是，能够统计到短地址被点击的次数了。但是服务器的压力变大了。

下面说最关键的一段，怎么将http://h5.dangdang.com/mix_20191015_or4x压缩为nXR字符

算法原理
首先呢，我们需要一张表来存储，长短链接间的映射关系。表结构如下

列名 说明
id BIGINT,自增主键
url 长地址，也就是需要跳转的原地址
好的，假设我们此时表里的数据如下

id url
1 http://h5.dangdang.com/mix_20191015_or4x
2 http://h5.dangdang.com/mix_20191102_ad3x
我们此时拿自增id作为短链接的key。假设域名http://dwz.win是短链接系统，也就是说请求:
(1)http://dwz.win/1会跳转http://h5.dangdang.com/mix_20191015_or4x;
(2)http://dwz.win/2会跳转http://h5.dangdang.com/mix_20191102_ad3x;

这么做，也不是不行，有两个缺点你要评估能不能接受！

• (1)如果数据比较大，比如几百亿，你的url地址依然过长
• (2)你的数据具有规律性，别人用一个简单的脚本就可以遍历出你的跳转地址！

为了解决上面的两个缺点，我们增加一个列，用来存储key值。此时表结构如下

列名 说明
id BIGINT,自增主键
key 短串，需要加唯一索引
url 长地址，也就是需要跳转的原地址
我们为了缩短id的长度呢，一般可以这么做。由于我们的短链接是由 a-z、A-Z 和 0-9 共 62 个字符可以选择。因此，我们可以讲十进制的数字id，转换为一个62进制的数，例如201314就可以转换为Qn0。
算法如下

private static final String BASE = "0123456789abcdefghijklmnopqrstuvwxyzABCDEFGHIJKLMNOPQRSTUVWXYZ";

public static String toBase62(long num) {
    StringBuilder sb = new StringBuilder();
    do {
        int i = (int) (num % 62);
        sb.append(BASE.charAt(i));
        num /= 62;
    } while (num > 0);

    return sb.reverse().toString();
}

另外，我们需要引入一个全局发号器，一直返回全局自增的ID。相当于，我们的短链接系统先去请求这个全局自增ID，然后将全局自增ID转换为62进制的数，作为key。

接下来，解决第二个问题！数据具有规律性的问题。毕竟你转换为62进制后，只是解决了数据过长的问题，数据规律性问题还是没解决。
因此，我们需要引入一个随机算法。那么此时，你的考虑点在于，你是否要根据key值，反推出全局id值！来抉择不同的随机算法！
(1)不希望反推出全局ID
OK，那就用一个洗牌算法，打乱算出的值。比如十进制的201314就可以转换为Qn0。然后再使用洗牌算法，可以返回n0Q、Q0n....其中之一。但是会有一定几率冲突，多洗几次就行。
(2)希望反推出全局ID
OK，那就在得到Qn0这个数字后，将其转换为二进制数。然后在固定位，第五位，第十位...(等等)插入一个随机值即可。
至于如何反推也很简单，你拿到短链接key后，将固定位的数字去除，再转换为十进制即可。

讲到这里，就基本将key如何生成的逻辑讲清楚了。那么用户在点击短链接的时候，例如地址http://dwz.win/nXR，短链接系统解析出key为nXR，根据唯一索引去表中将nXR对应的url返回即可。

细节优化
(1)分库分表
如果这个系统是放在公网，给大家使用的。建议上来就分库分表，数据量过1000万是很容易的。这里涉及到一个问题，拿全局发号器给的自增id做分片健，还是拿转换后的key做分片键。

显然，用转换后的key做分片键会更容易一些。如果用ID做为分片键，存在两个问题！
(1)用户请求的key，需要做一个逆运算推算回ID，然后根据ID，再去对应表里去找，增加响应时间。
(2)根据选择的随机算法不同，key不一定能够推算回ID值。这种情况下，只能每张表去查，更慢。

所以用key做分片键，再适合不过了。拿到用户请求的KEY后，直接定位到对应的表里将url取出即可。

(2)读写分离
这种系统显然，读远大于写。建议可以考虑做读写分离。

(3)引入缓存
假设，我们在一个时间。给手机推送短信链接的短信后。显然，后面的一段时间内，对该短链接的请求量会大大提升。没有必要每次都去数据库查询，因此可以引入redis缓存。

(4)全局发号器用其他算法行不行
可以。这里只是要一个全局唯一ID而已。自己要估算好，使用其他算法所带来的性能影响。以及采用其他算法，会不会造成生成的生成的ID过于规律。

(5)防***
做好被恶意***的准备，防止自增ID的值，被全部耗光。

总结

好久没写这种设计型的文章了。毕竟是我和同事在厕所蹲坑排队之余，在那闲聊出来的。最后，由于烟哥过于专注和同事聊技术，导致后来我回复那个妹纸的时候已经没有了下文，注孤生！

希望大家有所收获！