如何设计一个短URL地址系统

一、短URL系统的原理：

短URL系统的核心是将长的 URL 转化成短的 URL；在访问系统时，先使用短地址A访问短URL系统，由短URL系统映射到对应的长地址B，然后客户端再重定向（301或者302）到B网址，如下图所示：

二、短 URL 的好处：

1、链接变短，对于有长度限制的平台发文，可编辑的文字就变多了

2、短链接生成的二维码更易于识别，而长链接的二维码密集难识别

3、短链接更加简洁好看且安全，不暴露访问参数。

4、能规避关键词、域名屏蔽等手段

5、链接太长在有些平台上无法自动识别为超链接

三、短 URL 系统的设计与实现：

系统核心实现思路：使用发号器发号 => 为每个长地址分配一个号码ID => 将号码与长地址存放在DB中 => 将号码转化成62进制，用于表示最终的短地址并返回给用户（假设短地址长度为8位，62的8次方足够一般系统使用了） => 用户使用62进制的短地址请求服务 => 将62进制的数转化成10进制 => 在DB中寻找对应的长地址 => 将用户请求重定向到对应的地址上

1、发号器的设计：

（1）如果是小型系统，可使用MySQL的自增主键，但是这种方式存在在高并发情况下性能问题，要解决该问题，可以通过批量发号来解决，提前为每台机器发放一个ID区间 tmp_start_num - tmp_end_num，然后由机器在自己内存中使用 AtomicLong 原子类去保证自增，减少对DB的依赖，等到区间即将满了，再向 DB 请求下一个区段的号码，然后等区间满了，再一次性将记录保存到DB中，这样就可以将对数据库持续的操作移到代码中进行，并且异步进行获取和写入操作,保证服务的持续高并发。比如可以每次从数据库获取10000个号码，然后在内存中进行发放，当剩余的号码不足1000时，重新向MySQL请求下10000个号码，在上一批号码发放完了之后，批量进行写入数据库。

（2）如果是大型系统，则可以使用分布式自增主键

（3）雪花算法：依赖于系统时钟的一致性。如果某台机器的系统时钟回拨，有可能造成 ID 冲突，或者 ID 乱序。

2、发号器的单点问题：

可以使用多个发号器，例如实现两个发号器，一个发单号，一个发双号。依次类推，我们也可以实现 1000 个发号器，分别发尾号为0到999的号。每发一个号，每个发号器加1000，而不是加1。这些发号器独立工作，互不干扰即可，这种方式还能解决单点发号器性能瓶颈。

3、同一个长址多次请求得到的短址不一样：

无论是前面提到的哪种方式，都存在的问题就是同个长址多次请求得到的短址是不一样，因为每次都会重新为该长址生成一个短址。为了实现长短链接真正意义上的一对一，我们可以建立一个长对短的 Hashmap，但是需要付出很大的空间代价。因此我们对这种方式做一些改变来实现部分地址的一对一，比如将最近/最热门的对应关系存储在K-V数据库中，在 Hashmap 中只存储最近生成的长对短的对应关系，并采用过期机制实现 LRU 淘汰，从而保证频繁使用的 URL 的总是对应同一个短址的，但是不保证不频繁使用的URL的对应关系，从而大大减少了空间上的消耗。

此外，使用了缓存，也可以加快程序处理速度，将热门的长链接（需要对长链接进来的次数进行计数）、最近的长链接（可以使用 Redis 保存最近一个小时的数据）等等进行一个缓存，如果请求的长URL命中了缓存，那么直接获取对应的短URL进行返回，不需要再进行生成操作

4、服务间的重定向：301 和 302

301永久重定向和 302 临时重定向。

• 301永久重定向：第一次请求拿到长链接后，下次浏览器再去请求短链的话，不会向短网址服务器请求了，而是直接从浏览器的缓存里拿，减少对服务器的压力。
• 302临时重定向：每次去请求短链都会去请求短网址服务器（除非响应中用 Cache-Control 或 Expired 暗示浏览器进行缓存）

使用 301 虽然可以减少服务器的压力，但是无法在 server 层获取到短网址的访问次数了，如果链接刚好是某个活动的链接，就无法分析此活动的效果以及用于大数据分析了。而 302 虽然会增加服务器压力，但便于在 server 层统计访问数，所以如果对这些数据有需求，可以采用 302，因为这点代价是值得的，但是具体采用哪种跳转方式，还是要结合实际情况进行选型。