网站建设
行业新闻Industry News

您的位置:首页 > 新闻动态 > 行业新闻

短网址(short URL)系统的原理及其实现

admin 行业新闻 2017-11-23

背景

  提供一个短址服务

  你有没有发现,我们的任务中出现长 URL 就会比较麻烦?如果有一个短址生成器就好了。虽然市面上有很多,但是我们可以重复发明一个轮子,利用这个机会尝试一下简单的 Web 全栈开发。

  

 链接.jpeg

  任务

  做一个短链接生成器,可以将一个长链接缩短成一个短链接。

  要发车了 :bus:

  发车前,和大家说一下

  如果不想重复的造轮子,想开箱即用,可以使用基于 PHP 的开源软件 YOURLS 。 YOURLS 还可以和 WordPress 整合到一起,功能强大,可扩展性高。

  本文记录了开发短网址系统的整个过程,包括初期的算法调研、模块设计、数据库设计、功能扩展等。

  什么是短链接 :link:

  就是把普通网址,转换成比较短的网址。比如: http://t.cn/RlB2PdD 这种,在微博这些限制字数的应用里。好处不言而喻。短、字符少、美观、便于发布、传播。

  百度短网址 http://dwz.cn/

  谷歌短网址服务 https://goo.gl/ (需科学上网)号称是最快的 :rocket:

  原理解析

  当我们在浏览器里输入 http://t.cn/RlB2PdD 时

  DNS首先解析获得 http://t.cn 的 IP 地址

  当 DNS 获得 IP 地址以后(比如:74.125.225.72),会向这个地址发送 HTTP GET 请求,查询短码 RlB2PdD

  http://t.cn 服务器会通过短码 RlB2PdD 获取对应的长 URL

  请求通过 HTTP 301 转到对应的长 URL https://m.helijia.com 。

  这里有个小的知识点,为什么要用 301 跳转而不是 302 呐?

  301 是永久重定向,302 是临时重定向。短地址一经生成就不会变化,所以用 301 是符合 http 语义的。同时对服务器压力也会有一定减少。

  但是如果使用了 301 ,我们就无法统计到短地址被点击的次数了。而这个点击次数是一个非常有意思的大数据分析数据源。能够分析出的东西非常非常多。所以选择302虽然会增加服务器压力,但是我想是一个更好的选择。

  来自知乎 iammutex 的 答案

  算法实现

  网上比较流行的算法有两种 自增序列算法、 摘要算法

  算法一

  自增序列算法也叫永不重复算法

  设置 id 自增,一个 10进制 id 对应一个 62进制的数值,1对1,也就不会出现重复的情况。这个利用的就是低进制转化为高进制时,字符数会减少的特性。

  如下图:十进制 10000,对应不同进制的字符表示。

  [URL]b875f5eb16ba52538b7f309e57624374.png

 

  短址的长度一般设为 6 位,而每一位是由 [a - z, A - Z, 0 - 9] 总共 62 个字母组成的,所以 6 位的话,总共会有 62^6 ~= 568亿种组合,基本上够用了。

  哈哈,这里附上一个进制转换工具 http://tool.lu/hexconvert/ 上图的数据就是用这个工具生成的。

  具体的算法实现,自行谷歌。

  算法二

  将长网址 md5 生成 32 位签名串,分为 4 段, 每段 8 个字节

  对这四段循环处理, 取 8 个字节, 将他看成 16 进制串与 0x3fffffff(30位1) 与操作, 即超过 30 位的忽略处理

  这 30 位分成 6 段, 每 5 位的数字作为字母表的索引取得特定字符, 依次进行获得 6 位字符串

  总的 md5 串可以获得 4 个 6 位串,取里面的任意一个就可作为这个长 url 的短 url 地址

  这种算法,虽然会生成4个,但是仍然存在重复几率

  两种算法对比

  第一种算法的好处就是简单好理解,永不重复。但是短码的长度不固定,随着 id 变大从一位长度开始递增。如果非要让短码长度固定也可以就是让 id 从指定的数字开始递增就可以了。百度短网址用的这种算法。上文说的开源短网址项目 YOURLS 也是采用了这种算法。 源码学习

  第二种算法,存在碰撞(重复)的可能性,虽然几率很小。短码位数是比较固定的。不会从一位长度递增到多位的。据说微博使用的这种算法。

  我使用的算法一。有一个不太好的地方就是出现的短码是有序的,可能会不安全。我的处理方式是构造 62进制的字母不要按顺序排列。因为想实现自定义短码的功能,我又对算法一进行了优化,下文会介绍。

  流程图

  自增序列算法流程图

  st=>start: 开始

  e=>end: 结束

  io1=>inputoutput: 输入网址

  io2=>inputoutput: 返回短网址

  op1=>operation: 返回对应的短码

  op2=>operation: 保存输入的网址到数据库

  op3=>operation: 根据id计算对应的短码

  op4=>operation: 更新短码到数据库

  cond1=>condition: 查询数据库

  是否存在对

  应的短码

  st->io1->cond1

  cond1(no,bottom)->op2->op3->op4->op1->io2->e

  cond1(yes)->op1->io2->e

  自增序列算法 + 用户自定义短码 流程图

  st=>start: 开始

  e=>end: 结束

  io1=>inputoutput: 输入网址

  io2=>inputoutput: 返回短网址

  io3=>inputoutput: 提示用户

  该短码已存在

  io4=>inputoutput: 提示用户

  不能输入短链接

  op1=>operation: 返回短码

  op2=>operation: 保存输入的网址到数据库

  op3=>operation: 根据id计算对应的短码

  op4=>operation: 查询数据库

  获得一条

  自定义短码的url

  对应的id记录

  op5=>operation: 更新短码到数据库

  cond1=>condition: 查询数据库

  是否存在该URL

  cond2=>condition: 用户选择

  自定义短码

  cond3=>condition: 生成的短码

  是否存在

  cond4=>condition: 短码是否存在

  cond5=>condition: 短码是否存在

  cond6=>condition: 自定义的短码

  是否存在

  cond7=>condition: 用户输入的是短链接

  st->io1->cond7

  cond7(no,bottom)->cond1

  cond7(yes)->io4->e

  cond1(no,bottom)->cond2

  cond1(yes)->op1->io2->e

  cond2(no,bottom)->op3->cond4

  cond2(yes)->cond5

  cond4(no, bottom)->op5->op1->io2->e

  cond4(yes)->op4->op3->cond4

  cond5(no,bottom)->op5

  cond5(yes)->io3->e

  百度短网址还允许用户自定义短码,算法二 摘要算法,不和 id 绑定,好像挺好实现这个功能的。

  但是自增序列算法是和 id 绑定的,如果允许自定义短码就会占用之后的短码,之后的 id 要生成短码的时候就发现短码已经被用了,那么 id 自增一对一不冲突的优势就体现不出来了。

  那么怎么实现自定义短码呐?

  我是这样处理的:

  数据库增加一个类型 type 字段,用来标记短码是用户自定义生成的,还是系统自动生成的。

  如果有用户自定义过短码,把它的类型标记自定义。每次根据 id 计算短码的时候,如果发现对应的短码被占用了,就从类型为自定义的记录里选取一条记录,用它的 id 去计算短码。

  这样既可以区分哪些长连接是用户自己定义还是系统自动生成的,还可以不浪费被自定义短码占用的 id

  我保留了 1 到 2 位的 短码,从三位的短码开始生成的。就像域名的保留域名一样,好的要自己预留 :smirk:

  

 公式.jpg

  数据表设计

  links 表

  设计表.jpg

 

  后期功能扩展

  统计:点击量、访问的 ip 地域、用户使用的设备

  管理后台:删除、数据量

  登录:权限管理

  设置密码:输入密码才可以继续访问

此内容来源于网络,如涉及版权问题请与我们联系。

最新案例

相关文章

更多最新文章

热搜关键词

上海集锦信息科技有限公司版权所有 Copyright©2012-2015 http://www.shwzzz.cn All Rights Reserved 备案号:沪ICP备13010428号