面试官说：你来设计一个短链接生成系统吧

引言

相信大家在生活中，特别是最近的双十一活动期间，会收到很多短信，而那些短信都有两个特征，第一个是几乎都是垃圾短信，这个特点此处可以忽略不计，第二个特点是**链接很短**，比如下面这个：


我们知道，短信有些是有字数限制的，直接放一个带满各种参数的链接，不合适，另外一点是，不想暴露参数。好处无非以下：

- 太长的链接容易被限制长度

- 短链接看着简洁，长链接看着容易懵

- 安全，不想暴露参数

- 可以统一链接转换，当然也可以实现统计点击次数等操作

那背后的原理是什么呢？怎么实现的？让你实现这样的系统，你会怎么设计呢？【来自于某鹅场面试官】

短链接的原理

短链接展示的逻辑

这里最重要的知识点是重定向，先复习一下`http`的状态码：

| 分类 | 含义 |

| :--- | :--------------------------------------------- |

| 1** | 服务器收到请求，需要请求者继续执行操作 |

| 2** | 成功，操作被成功接收并处理 |

| 3** | 重定向，需要进一步的操作以完成请求 |

| 4** | 客户端错误，请求包含语法错误或无法完成请求 |

| 5** | 服务器错误，服务器在处理请求的过程中发生了错误 |

那么以 3 开头的状态码都是关于重定向的：

- 300：多种选择，可以在多个位置存在

- 301：永久重定向，浏览器会缓存，自动重定向到新的地址

- 302：临时重定向，客户端还是会继续使用旧的URL

- 303：查看其他的地址，类似于301

- 304：未修改。所请求的资源未修改，服务器返回此状态码时，不会返回任何资源。

- 305：需要使用代理才能访问到资源

- 306：废弃的状态码

- 307：临时重定向，使用Get请求重定向

整个跳转的流程：

- 1.用户访问短链接，请求到达服务器

- 2.服务器将短链接装换成为长链接，然后给浏览器返回重定向的状态码301/302

- 301永久重定向会导致浏览器缓存重定向地址，短链接系统统计访问次数会不正确

- 302临时重定向可以解决次数不准的问题，但是每次都会到短链接系统转换，服务器压力会变大。

- 3.浏览器拿到重定向的状态码，以及真正需要访问的地址，重定向到真正的长链接上。

从下图可以看出，确实链接被`302`重定向到新的地址上去，返回的头里面有一个字段`Location`就是所要重定向的地址：

<img src="https://markdownpicture.oss-cn-qingdao.aliyuncs.com/blog/20211110235518.png" style="zoom:70%;" />

短链接怎么设计的？

全局发号器

肯定我们第一点想到的是压缩，像文件压缩那样，压缩之后再解压还原到原来的链接，重定向到原来的链接，但是很不幸的是，这个是行不通的，你有见过什么压缩方式能把这么长的数字直接压缩到这么短么？事实上不可能。就像是`Huffman`树，也只能对那种重复字符较多的字符串压缩时效率较高，像链接这种，可能带很多参数，而且各种不规则的情况都有，直接压缩算法不现实。

那`https://dx.10086.cn/tzHLFw`与`https://gd.10086.cn/gmccapp/webpage/payPhonemoney/index.html?channel=`之间的装换是怎么样的呢？前面路径不变，变化的是后面，也就是`tzHLFw`与`gmccapp/webpage/payPhonemoney/index.html?channel=`之间的转换。

实际也很简单，就是数据库里面的一条数据，一个`id`对应长链接（相当于全局的发号器，全局唯一的ID）：

| id | url |

| :--: | :----------------------------------------------------------: |

| 1 | https://gd.10086.cn/gmccapp/webpage/payPhonemoney/index.html?channel= |

这里用到的，也就是我们之前说过的分布式全局唯一ID，如果我们直接用`id`作为参数，貌似也可以：`https://dx.10086.cn/1`，访问这个链接时，去数据库查询获得真正的url，再重定向。

单机的唯一`ID`很简单，用原子类`AtomicLong`就可以，但是分布式的就不行了，简单点可以用 `redis`，或者数据库自增，或者可以考虑`Zookeeper`之类的。

id 转换策略

但是直接用递增的数字，有两个坏处：

- 数字很大的时候，还是很长

- 递增的数字，不安全，规律性太强了

明显我们平时看到的链接也不是数字的，一般都是大小写字母加上数字。为了缩短链接的长度，我们必须把`id`转换掉，比如我们的短链接由`a-z`,`A-Z`,`0-9`组成，相当于`62`进制的数字，将`id`转换成为`62`进制的数字:

```java

public class ShortUrl {

private static final String BASE = "0123456789abcdefghijklmnopqrstuvwxyzABCDEFGHIJKLMNOPQRSTUVWXYZ";

public static String toBase62(long num) {

StringBuilder result = new StringBuilder();

do {

int i = (int) (num % 62);

result.append(BASE.charAt(i));

num /= 62;

} while (num > 0);

return result.reverse().toString();

}

public static long toBase10(String str) {

long result = 0;

for (int i = 0; i < str.length(); i++) {

result = result * 62 + BASE.indexOf(str.charAt(i));

}

return result;

}

public static void main(String[] args) {

// tzHLFw

System.out.println(toBase10("tzHLFw"));

System.out.println(toBase62(27095455234L));

}

}

```

`id`转 `62`位的`key` 或者`key`装换成为`id`都已经实现了，不过计算还是比较耗时的，不如加个字段存起来，于是数据库变成了：

| id | key | url |

| :---------: | :----: | :----------------------------------------------------------: |

| 27095455234 | tzHLFw | https://gd.10086.cn/gmccapp/webpage/payPhonemoney/index.html?channel= |

但是这样还是很容易被猜出这个`id`和`key`的对应关系，要是被遍历访问，那还是很不安全的，如果担心，可以随机将短链接的字符顺序打乱，或者在适当的位置加上一些随机生成的字符，比如第`1，4，5 `位是随机字符，其他位置不变，只要我们计算的时候，将它对应的关系存到数据库，我们就可以通过连接的`key`找到对应的`url`。（值得注意的是，`key`必须是全局唯一的，如果冲突，必须重新生成）

一般短链接都有过期时间，那么我们也必须在数据库里面加上对应的字段，访问的时候，先判断是否过期，过期则不给予重定向。


性能考虑

如果有很多短链接暴露出去了，数据库里面数据很多，这个时候可以考虑使用缓存优化，生成的时候顺便把缓存写入，然后读取的时候，走缓存即可，因为一般短链接和长链接的关系不会修改，即使修改，也是很低频的事情。

如果系统的`id`用完了怎么办？这种概率很小，如果真的发生，可以重用旧的已经失效的`id`号。

如果被人疯狂请求一些不存在的短链接怎么办？其实这就是缓存穿透，缓存穿透是指，**缓存和数据库都没有的数据**，被大量请求，比如订单号不可能为`-1`，但是用户请求了大量订单号为`-1`的数据，由于数据不存在，缓存就也不会存在该数据，所有的请求都会直接穿透到数据库。如果被恶意用户利用，疯狂请求不存在的数据，就会导致数据库压力过大，甚至垮掉。

针对这种情况，一般可以用布隆过滤器过滤掉不存在的数据请求，但是我们这里`id`本来就是递增且有序的，其实我们范围大致都是已知的，更加容易判断，超出的肯定不存在，或者请求到的时候，缓存里面放一个空对象也是没有问题的。