引言

很多大型網(wǎng)站都加入了短鏈接的功能。之所以要是使用短鏈接，主要是因為微博只允許發(fā)140 字，如果鏈接地址太長的話，那么發(fā)送的字數(shù)將大大減少。短鏈接的主要職責(zé)就是把原始鏈接很長的地址壓縮成只有6 個字母的短鏈接地址，當我們點擊這6 個字母的鏈接后，我們又可以跳轉(zhuǎn)到原始鏈接地址。

開始以為短鏈接是按照某種算法把原始鏈接壓縮為短鏈接，再根據(jù)算法從短鏈接反算成原始鏈接的。后來嘗試了下壓縮算法（比如gzip 壓縮算法），發(fā)現(xiàn)對于url 這種字符串越是壓縮，長度就越長。通過對壓縮算法的一些了解，發(fā)現(xiàn)靠壓縮算法來實現(xiàn)這個功能不太靠譜。

后來在網(wǎng)上找到一個生成算法，該算法主要使用MD5 算法對原始鏈接進行加密（這里使用的MD5 加密后的字符串長度為32 位），然后對加密后的字符串進行處理以得到短鏈接的地址。

原始的算法是C 版本的，這里我把該算法修改成Java 版本的. 算法的具體代碼如下，代碼中有注釋：

代碼

public class ShortUrlGenerator {/*** @param args*/public static void main(String[] args) {// 長連接： http://tech.sina.com.cn/i/2011-03-23/11285321288.shtml// 新浪解析后的短鏈接為： http://t.cn/h1jGSCString sLongUrl = "http://tech.sina.com.cn/i/2011-03-23/11285321288.shtml" ; // 3BD768E58042156E54626860E241E999String[] aResult = shortUrl (sLongUrl);// 打印出結(jié)果for ( int i = 0; i < aResult. length ; i++) {System. out .println( "[" + i + "]:::" + aResult[i]);}}public static String[] shortUrl(String url) {// 可以自定義生成 MD5 加密字符傳前的混合 KEYString key = "wuguowei" ;// 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(wǎng)址進行 MD5 加密String sMD5EncryptResult = ( new MD5()).getMD5ofStr(key + url);String hex = sMD5EncryptResult;String[] resUrl = new String[4];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 = hex.substring(i * 8, i * 8 + 8);// 這里需要使用 long 型來轉(zhuǎn)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 = "" ;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(shù)組 chars 索引long index = 0x0000003D & lHexLong;// 把取得的字符相加outChars += chars[( int ) index];// 每次循環(huán)按位右移 5 位lHexLong = lHexLong >> 5;}// 把字符串存入對應(yīng)索引的輸出數(shù)組resUrl[i] = outChars;}return resUrl;}}

輸出結(jié)果

執(zhí)行上面代碼的結(jié)果如下，會產(chǎn)生4 組6 位字符串，任意一組都可以作為當前字符串的短鏈接地址。

[0]:::7nUFJn [1]:::f6Zzy2 [2]:::j6jmQb [3]:::2eAjea

跳轉(zhuǎn)原理

當我們生成短鏈接之后，只需要在表中（數(shù)據(jù)庫或者NoSql ）存儲原始鏈接與短鏈接的映射關(guān)系即可。當我們訪問短鏈接時，只需要從映射關(guān)系中找到原始鏈接，即可跳轉(zhuǎn)到原始鏈接。

參考

調(diào)用第三方接口自動轉(zhuǎn)

springboot 實現(xiàn)長鏈接轉(zhuǎn)短鏈接轉(zhuǎn)換原理： 將原url通過一系列方式，轉(zhuǎn)換成6位短碼（只要能不重復(fù)，隨便怎么方式都行）；將長短鏈接存入數(shù)據(jù)庫，形成一條對應(yīng)關(guān)系；訪問短鏈接的時候，在數(shù)據(jù)庫找到對應(yīng)的長鏈接，并通過重定向?qū)崿F(xiàn)原url的訪問；（如果你的轉(zhuǎn)換方式能過還原，也可以不要數(shù)據(jù)庫，但必須保證轉(zhuǎn)換后的短碼不能重復(fù)）（代碼部分和正文部分一樣的算法）**缺點：**這個index的取值范圍額只有32個，永遠不可能是 2、3、6、7、10、11… 。所以自己重新寫一個算法。

改進2的算法算法的步驟如下： 對Url進行md5編碼,對md5碼進行base64編碼，長度為22剔除base64碼中的‘+’和‘/’， 取前面的一段，如果位數(shù)不夠，用base64碼加上url再進行一次md5，用這個補齊，循環(huán)4直到位數(shù)滿足短碼的長度需求

網(wǎng)上還有很多算法，比如：自增長算法（這個可能存在增長鎖的問題），隨機數(shù)算法。按理來說都是可行的，但是這些算法無法去重，就是可能會出現(xiàn)一個url在對應(yīng)表中有多條記錄。用上面基于Md5的算法，可以解決這個問題。在發(fā)現(xiàn)編碼存在時進一步核實原始url是否一致，如果一致就不是沖突。

最爛的回答

實現(xiàn)一個算法，將長地址轉(zhuǎn)成短地址。實現(xiàn)長和短一一對應(yīng)。然后再實現(xiàn)它的逆運算，將短地址還能換算回長地址。

這個回答看起來挺完美的，然后候選人也會說現(xiàn)在時間比較短，如果給我時間我去找這個算法就解決問題了。但是稍微有點計算機或者信息論常識的人就能發(fā)現(xiàn)，這個算法就跟永動機一樣，是永遠不可能找到的。即使我們定義短地址是100位。那么它的變化是62的100次方。62=10數(shù)字+26大寫字母+26小寫字母。無論這個數(shù)多么大，他也不可能大過世界上可能存在的長地址。所以實現(xiàn)一一對應(yīng)，本身就是不可能的。

再換一個說法來反駁，如果真有這么一個算法和逆運算，那么基本上現(xiàn)在的壓縮軟件都可以歇菜了，而世界上所有的信息，都可以壓縮到100個字符。這～可能嗎。

短 URL 系統(tǒng)是怎么設(shè)計的？

另一個很爛的回答

和上面一樣，也找一個算法，把長地址轉(zhuǎn)成短地址，但是不存在逆運算。我們需要把短對長的關(guān)系存到DB中，在通過短查長時，需要查DB。

怎么說呢，沒有改變本質(zhì)，如果真有這么一個算法，那必然是會出現(xiàn)碰撞的，也就是多個長地址轉(zhuǎn)成了同一個短地址。因為我們無法預(yù)知會輸入什么樣的長地址到這個系統(tǒng)中，所以不可能實現(xiàn)這樣一個絕對不碰撞的hash函數(shù)。

比較爛的回答

那我們用一個hash算法，我承認它會碰撞，碰撞后我再在后面加1，2，3不就行了。
ok，這樣的話，當通過這個hash算法算出來之后，可能我們會需要做btree式的大于小于或者like查找到能知道現(xiàn)在應(yīng)該在后面加1，2，或3，這個也可能由于輸入的長地址集的不確定性。導(dǎo)致生成短地址時間的不確定性。同樣爛的回答還有隨機生成一個短地址，去查找是否用過，用過就再隨機，如此往復(fù)，直到隨機到一個沒用過的短地址。

正確的原理

上面是幾種典型的錯誤回答，下面咱們直接說正確的原理。

正確的原理就是通過發(fā)號策略，給每一個過來的長地址，發(fā)一個號即可，小型系統(tǒng)直接用mysql的自增索引就搞定了。如果是大型應(yīng)用，可以考慮各種分布式key- value系統(tǒng)做發(fā)號器。不停的自增就行了。第一個使用這個服務(wù)的人得到的短地址是xx.xx/0 第二個是 xx.xx/1 第11個是 xx.xx/a 第依次往后，相當于實現(xiàn)了一個62進制的自增字段即可。

幾個子問題

1. 62進制如何用數(shù)據(jù)庫或者KV存儲來做？

其實我們并不需要在存儲中用62進制，用10進制就好了。比如第10000個長地址，我們給它的短地址對應(yīng)的編號是9999，我們通過存儲自增拿到9999后，再做一個10進制到62進制的轉(zhuǎn)換，轉(zhuǎn)成62進制數(shù)即可。這個10～62進制轉(zhuǎn)換，你完全都可以自己實現(xiàn)。

2. 如何保證同一個長地址，每次轉(zhuǎn)出來都是一樣的短地址

上面的發(fā)號原理中，是不判斷長地址是否已經(jīng)轉(zhuǎn)過的。也就是說用拿著百度首頁地址來轉(zhuǎn)，我給一個xx.xx/abc 過一段時間你再來轉(zhuǎn)，我還會給你一個 xx.xx/xyz 。這看起來挺不好的，但是不好在哪里呢？不好在不是一一對應(yīng)，而一長對多短。這與我們完美主義的基因不符合，那么除此以外還有什么不對的地方？

有人說它浪費空間，這是對的。同一個長地址，產(chǎn)生多條短地址記錄，這明顯是浪費空間的。那么我們?nèi)绾伪苊饪臻g浪費，有人非常迅速的回答我，建立一個長對短的KV存儲即可。嗯，聽起來有理，但是。。。這個KV存儲本身就是浪費大量空間。所以我們是在用空間換空間，而且貌似是在用大空間換小空間。真的劃算嗎？這個問題要考慮一下。當然，也不是沒有辦法解決，我們做不到真正的一一對應(yīng)，那么打個折扣是不是可以搞定？

這個問題的答案太多種，各有各招。這個方案最簡單的是建立一個長對短的hashtable，這樣相當于用空間來換空間，同時換取一個設(shè)計上的優(yōu)雅（真正的一對一）。實際情況是有很多性價比高的打折方案可以用，這個方案設(shè)計因人而異了。那我就說一下我的方案吧。
我的方案是： 用key- value存儲，保存“最近”生成的長對短的一個對應(yīng)關(guān)系。注意是“最近”，也就是說，我并不保存全量的長對短的關(guān)系，而只保存最近的。比如采用一小時過期的機制來實現(xiàn)LRU淘汰。
這樣的話，長轉(zhuǎn)短的流程變成這樣：

在這個“最近”表中查看一下，看長地址有沒有對應(yīng)的短地址，有就直接返回，并且將這個key-value對的過期時間再延長成一小時如果沒有，就通過發(fā)號器生成一個短地址，并且將這個“最近”表中，過期時間為1小時所以當一個地址被頻繁使用，那么它會一直在這個key-value表中，總能返回當初生成那個短地址，不會出現(xiàn)重復(fù)的問題。如果它使用并不頻繁，那么長對短的key會過期，LRU機制自動就會淘汰掉它。當然，這不能保證100%的同一個長地址一定能轉(zhuǎn)出同一個短地址，比如你拿一個生僻的url，每間隔1小時來轉(zhuǎn)一次，你會得到不同的短地址。但是這真的有關(guān)系嗎？

3.如何保證發(fā)號器的大并發(fā)高可用

上面設(shè)計看起來有一個單點，那就是發(fā)號器。如果做成分布式的，那么多節(jié)點要保持同步加1，多點同時寫入，這個嘛，以CAP理論看，是不可能真正做到的。其實這個問題的解決非常簡單，我們可以退一步考慮，我們是否可以實現(xiàn)兩個發(fā)號器，一個發(fā)單號，一個發(fā)雙號，這樣就變單點為多點了？依次類推，我們可以實現(xiàn)1000個邏輯發(fā)號器，分別發(fā)尾號為0到999的號。每發(fā)一個號，每個發(fā)號器加1000，而不是加1。這些發(fā)號器獨立工作，互不干擾即可。而且在實現(xiàn)上，也可以先是邏輯的，真的壓力變大了，再拆分成獨立的物理機器單元。1000個節(jié)點，估計對人類來說應(yīng)該夠用了。如果你真的還想更多，理論上也是可以的。（雪花算法的優(yōu)化、美團發(fā)號算法的實現(xiàn)）

4.具體存儲如何選擇

這個問題就不展開說了，各有各道，主要考察一下對存儲的理解。對緩存原理的理解，和對市面上DB、Cache系統(tǒng)可用性，并發(fā)能力，一致性等方面的理解。

5.跳轉(zhuǎn)用301還是302

這也是一個有意思的話題。首先當然考察一個候選人對301和302的理解。瀏覽器緩存機制的理解。然后是考察他的業(yè)務(wù)經(jīng)驗。301是永久重定向，302是臨時重定向。短地址一經(jīng)生成就不會變化，所以用301是符合http語義的。同時對服務(wù)器壓力也會有一定減少。

但是如果使用了301，我們就無法統(tǒng)計到短地址被點擊的次數(shù)了。而這個點擊次數(shù)是一個非常有意思的大數(shù)據(jù)分析數(shù)據(jù)源。能夠分析出的東西非常非常多。所以選擇302雖然會增加服務(wù)器壓力，但是我想是一個更好的選擇。

總結(jié)

以上是生活随笔為你收集整理的长URL链接转短链接算法的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。