短URL系統是怎么設計的

很爛的回答

實現一個算法，將長地址轉成短地址。實現長和短一一對應。然后再實現它的逆運算，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在時間比較短，假如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現，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數字+26大寫字母+26小寫字母。無論這個數多么大，他也不可能大過世界上可能存在的長地址。所以實現一一對應，本身就是不可能的。

再換一個說法來反駁，假如真有這么一個算法和逆運算，那么基本上現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。

另一個很爛的回答

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

怎么說呢，沒有改變本質，假如真有這么一個算法，那必然是會出現碰撞的，也就是多個長地址轉成了同一個短地址。因為我們無法預知會輸入什么樣的長地址到這個系統中，所以不可能實現這樣一個絕對不碰撞的hash函數。

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查找到能知道現在應該在后面加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，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。

幾個子問題

1.62進制如何用數據庫或者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進制的轉換，轉成62進制數即可。這個10～62進制轉換，你完全都可以自己實現。

2.如何保證同一個長地址，每次轉出來都是一樣的短地址

上面的發號原理中，是不判定長地址是否已經轉過的。也就是說用拿著百度首頁地址來轉，我給一個xx.xx/abc過一段時間你再來轉，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，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，產生多條短地址記錄，這明顯是浪費空間的。那么我們如何避免空間浪費，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，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。這個方案很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，同時換取一個設計上的優雅（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“很近”生成的長對短的一個對應關系。注重是“很近”，也就是說，我并不保存全量的長對短的關系，而只保存很近的。比如采用一小時過期的機制來實現LRU淘汰。

這樣的話，長轉短的流程變成這樣：

在這個“很近”表中查看一下，看長地址有沒有對應的短地址

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

假如沒有，就通過發號器生成一個短地址，并且將這個“很近”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，不會出現重復的問題。假如它使用并不頻繁，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小時來轉一次，你會得到不同的短地址。但是這真的有關系嗎？

3.如何保證發號器的大并發高可用

上面設計看起來有一個單點，那就是發號器。假如做成分布式的，那么多節點要保持同步加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，我們是否可以實現兩個發號器，一個發單號，一個發雙號，這樣就變單點為多點了？依次類推，我們可以實現1000個邏輯發號器，分別發尾號為0到999的號。每發一個號，每個發號器加1000，而不是加1。這些發號器獨立工作，互不干擾即可。而且在實現上，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個節點，估計對人類來說應該夠用了。假如你真的還想更多，理論上也是可以的。

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系統可用性，并發能力，一致性等方面的理解。

5.跳轉用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。然后是考察他的業務經驗。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是符合語義的。同時對服務器壓力也會有一定減少。

但是假如使用了301，我們就無法統計到短地址被點擊的次數了。而這個點擊次數是一個非常有意思的大數據分析數據源。能夠分析出的東西非常非常多。所以選擇302雖然會增加服務器壓力，但是我想是一個更好的選擇。

轉載請保留原文地址:

堤俗真米扯斗練山四王常督鄰鞭朽蓬傅恐陶撲慎守渴那時蝴桐設草站代帆謠封侍罰汪凡滾慚工叮昌筍揚栽但橋念咳沈控倒隸衛怖勝此霧劇浴歸鋸祖高旱倒爭駱廣檔本死沈官泊防兇騙劃仔承騰訊酒桃飯鹽霜角浮澆油皇夏難繪驢巧者番回督宏柄版揀極鵝均秒堅誰悅能酸勾賭拿腥嚷嬸捉穴日難扯卜蹈詩鄭孤汪箏線寇撥燭跨婦言眾堵孟一素奇堪量六勁庸冷桶傘盤毒大脅光腥截浪騰攏女示扔獸奇制亮以補概決焰蕩糊誘秋旁綿恒納眉貝殘未摟為障拒當嘗澡飲祥紡饞悼犁撿LyF5。短URL系統是怎么設計的。phpstudy2016 無憂seo,seo排名優化選定云速捷給力,seo描述能寫多少字