短链接服务搭建

关键词：长链接；短链接；重定向；

长链接问题：

        复制容易出错，长链接URL较长，有时参数不止一个，复制容易遗漏或在粘贴时被编辑器截断；

        容易被屏蔽，绝大部分长链接暴露了资源来源及分配策略，在投放第三方时容易被屏蔽，比如被短信屏蔽，（淘宝宝贝长链接）被微信屏蔽......；

反例：

因此，我们考虑短链接服务对长链接进行压缩，跳转替代！

        1、用户访问短链接： https://0x9.me/QvjlI ；

        2、短链接服务器0x9.me收到请求，根据路径参数QvjlI获取到原始链接：

http://www.dazhongkanche.com/daogou/20200914/64294.html

        3、服务器返回301/302状态码，将响应头中的Location设置为 原始链接；

        4、浏览器重定向到原始链接；

        5、返回响应；

短链接生成：

1、库表设计：id、code（短链码）、url（原链接），采用Key-Value方式对应存储

2、短链码

1）、存储方式：62进制，每位 可选 a-z、A-Z 和 0-9  等62个字符，比通常的数字方式存储量大。注：

        4位就可以表征 62^4 = 1477,6336 约 1500万条数据；

        5位可以表征 62^5 = 9,16132832 约 9亿条数据；

        6位可以表征 62^6 = 568,00235584 约 560亿条数据；

例子：

        通过短链码的长度，可以判断得出各平台服务板块的历史业务量，如上：

        【菜鸟驿站】同【拼多多】，采用了8位短链码，62^8 = 218,3401,05584896，业务量都累积到了多少万亿级别。

        另，值得关注，点击拼多多的链接直接打开APP（具体技术方案参考： 如何从推广短信链接唤起 App ），优于绝大部分应用的推广。

2）、生成方式：可以按ID自增序列（自增后10到62进制转换）、哈希算法方式生成，可参考： 如果教你设计一个 短 链接 系统，你会从那些方面来提高性能呢？

重定向性能考虑：

1、301、302跳转区别：

1）、301跳转，永久重定向，默认被浏览器缓存，只要访问过一次短链，后续都会直接跳转原链地址，不经过服务器；

2）、302跳转，临时重定向，不被浏览器缓存，每次都经过短链接服务器；

所以，要想实现短链更灵活的资源跳转配置，采用302跳转就比较合适，缺点是：对搜索引擎不友好+性能问题（每次都要过短链服务）；考虑到SEO+访问性能（浏览器缓存解决），建议采用301跳转方式。

2、通过Redis做查询表，短链Code 映射长链接Url；

3、防机器人脚本访问，结合白名单等机制；

注：作为对外开放的短链服务对设计要求更高，完全作为一个独立系统进行设计。

注：本当章节下所有内容的撰写思路与方式：

1、针对指定资源手动生成短链接，进行投放；

2、针对指定资源，批量生成短链接，并形成记录，以便进行投放；

3、在一些环节（如：短信投放、微信分享时），自动生成短链接（用户无感）完成投放；

介绍如何应用场景：

1、朋友圈消息：

2、微信/QQ群插件自动发送链接

微信，空间节约效果良好：

常用的QQ群自动回复插件：

3、短信营销

优点：

1、在链接投放时，方便复制粘贴；

2、短网址使排版变的美观，简洁，用户关注的重点在文案上面；

3、防止屏蔽，如短信屏蔽、微信屏蔽....

4、访问资源有效期控制，添加密码等：

        原则上可以在跳转之前做任何后端想做的事情，比如访问统计，比如后续访问链接的切换，所以对访问资源的可控性就比较强，

        举例：跳转资源不稳定，今天是A，明天是B，就可以通过修改原链接实现跳转资源的切换。

关联技术的延展介绍

1、301对重定向的影响： https://www.batmanit.com/p/457.html

2、有投放就必然涉及到投放资源、渠道、及效果的管理：

        资源管理，比如说文章；

        渠道管理，比如：微信渠道（公号、朋友圈、运营人员个人私聊）、QQ、微博、短信、头条.....

        投放效果统计，针对文章的效果统计（各文章的效果如何？），针对渠道的效果统计（各渠道的效果如何？），针对文章&渠道的效果统计（即不同文章在不同渠道的效果如何？）

3、 一切为了营收！如何从推广短信链接唤起 App ？

4、 如果教你设计一个 短 链接 系统，你会从那些方面来提高性能呢？

短链接，通俗来说，就是将长的URL网址，通过程序计算等方式，转换为简短的网址字符串。

微博和Twitter都有140字数的限制，如果分享一个长网址，很容易就超出限制。

营销短信，字数的限制,当字数过长: 1.不美观 2.超出字符额外收费。

生成二维码的原始链接,当原始链接过长时,生成的二维码过于复杂,导致一些像素较低的手机无法扫描.

功能要求：

非功能性要求：

扩展要求：

可以使用 REST API 来公开我们服务的功能。以下可能是用于创建和删除 URL 的 API 的定义：

createURL (api_dev_key, original_url, custom_alias=None, user_name=None, expire_date=None)

参数：

api_dev_key(string)：注册账号的API开发者密钥。除其他外，这将用于根据分配的配额限制用户。

original_url（字符串）：要缩短的原始 URL。

custom_alias（字符串）：URL 的可选自定义键。

user_name（字符串）：在编码中使用的可选用户名。

expire_date (string): 缩短 URL 的可选过期日期。

返回 ：（字符串）

成功插入会返回缩短的 URL；否则，它会返回错误代码。

deleteURL (api_dev_key, url_key)

其中“url_key”是一个字符串，表示要检索的缩短的 URL；成功删除会返回“已删除 URL”。

如何发现和防止滥用？恶意用户可以通过使用当前设计中的所有 URL 密钥使我们破产。为了防止滥用，我们可以通过他们的 api_dev_key 限制用户。每个 api_dev_key 可以限制为每个时间段内特定数量的 URL 创建和重定向（每个开发者密钥可以设置为不同的持续时间）。

结合储存数据设计：

数据库架构：

我们需要两张表：一张用于存储有关 URL 映射的信息，另一张用于创建短链接的用户数据。

应该使用什么样的数据库？由于我们预计存储数十亿行，并且我们不需要使用对象之间的关系——NoSQL 选择更容易扩展

在第 1 节的示例中，缩短的 URL 是“https://tinyurl.com/vzet59pa”。这个 URL 的最后八个字符构成了我们要生成的短链。讨论以下两种解决方案： 摘要算法、自增序列算法

方案一：摘要算法

这种算法,虽然会生成4个,但是仍然存在重复几率

方案二： 自增序列算法

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。

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。

为了扩展我们的数据库，我们需要对其进行分区，以便它可以存储有关数十亿个 URL 的信息。因此，我们需要开发一种分区方案，将我们的数据划分并存储到不同的数据库服务器中。

一个基于范围的分区： 我们可以根据哈希键的第一个字母将 URL 存储在单独的分区中。因此，我们将所有以字母“A”（和“a”）开头的 URL 哈希键保存在一个分区中，将那些以字母“B”开头的 URL 哈希键保存在另一个分区中，依此类推。这种方法称为基于范围的分区。我们甚至可以将某些不太频繁出现的字母组合到一个数据库分区中。因此，我们应该开发一种静态分区方案，以始终以可预测的方式存储/查找 URL。

这种方法的主要问题是它可能导致数据库服务器不平衡。例如，我们决定将所有以字母“E”开头的 URL 放入 DB 分区，但后来我们意识到我们有太多以字母“E”开头的 URL。

另外基于散列的分区： 在这个方案中，我们获取我们正在存储的对象的散列。然后我们根据哈希计算要使用的分区。在我们的例子中，我们可以使用“键”或短链接的哈希值来确定我们存储数据对象的分区。

我们的散列函数会将 URL 随机分布到不同的分区中（例如，我们的散列函数总是可以将任何“键”映射到 [1…256] 之间的数字）。这个数字将代表我们存储对象的分区。

这种方法仍然会导致分区过载，这可以使用一致哈希解决。

可以缓存经常访问的 URL，结合缓存中间件例如 Memcached、redis，它可以存储完整的 URL 及其各自的哈希值。因此，应用服务器在访问后端存储之前，可以快速检查缓存是否具有所需的 URL。

我们应该有多少缓存内存？ 我们可以从每天 20% 的流量开始，根据客户的使用模式，我们可以调整我们需要多少缓存服务器。如上所述，我们需要 170GB 的内存来缓存 20% 的日常流量。由于现代服务器可以拥有 256GB 内存，我们可以轻松地将所有缓存放入一台机器中。或者，我们可以使用几个较小的服务器来存储所有这些热门 URL。

哪种缓存驱逐策略最适合我们的需求？ 当缓存已满，并且我们想用更新/更热的 URL 替换链接时，我们将如何选择？最近最少使用 (LRU) 可能是我们系统的合理策略。根据此政策，会首先丢弃最近最少使用的 URL，可以使用 Linked Hash Map 或类似的数据结构来存储我们的 URL 和哈希，这也将跟踪最近访问过的 URL。

如何更新每个缓存副本？ 每当缓存未命中时，我们的服务器就会访问后端数据库。每当发生这种情况时，我们都可以更新缓存并将新条目传递给所有缓存副本。每个副本都可以通过添加新条目来更新其缓存。如果副本已经有该条目，它可以简单地忽略它。

我们可以在系统的三个地方添加负载均衡层：

条目应该永远存在，还是应该被清除？如果达到用户指定的过期时间，链接会发生什么？

如果我们选择不断搜索过期链接来删除它们，这会给我们的数据库带来很大的压力。相反，我们可以慢慢删除过期链接并进行惰性清理。我们的服务会确保只删除过期的链接。

用户能否创建私有 URL 或允许一组特定用户访问 URL？

可以将权限级别（公共/私有）与数据库中的每个 URL 一起存储，还可以创建一个单独的表来存储有权查看特定 URL 的 UserID。如果用户没有权限并尝试访问 URL，可以发回错误 (HTTP 401)。鉴于我们将数据存储在像 Cassandra 这样的 NoSQL 宽列数据库中，表存储权限的键将是“哈希”（或 KGS 生成的“键”）。这些列将存储那些有权查看 URL 的用户的用户 ID。

---