突然的短网址生成想法以及网上已有实现

前言

今天突然有一个需求是将文件的下载链接发送到给目标的手机短信，然后突然想起来自己接到的短信链接都是短链接，然后就有了以下想法。Ps:都是想法！想法！网上的想法!

思路

如果没有接触过短网址，不妨去 http://www.sina.lt/ 和 [https://dwz.cn/(https://dwz.cn/) 稍微体验下。体验的结果是，短网址都把网址压缩成了六个字符，这是巧合吗？

短网址整个运转逻辑非常简单，我们以 https://goo.gl/SfzlA2 为例，当我们访问这个网址的时候，后端可以获取 "SfzlA2" 这个字符串，然后跳转到 https://github.com/hanzichi，很显然，这个字符串和这个地址已经绑定，通过某种映射关系可以从 "SfzlA2" 获取完整的地址。

那么，看起来我们只需要找到一个算法，能够将一个长字符串压缩成一个短的字符串，并且该算法应该是可逆的。但是实现这样的文本压缩算法，是非常困难的（不存在？），如果真有这么一个算法和逆运算，那么基本上现在的压缩软件都可以歇菜了，而世界上所有的信息（网址长度未知），都可以压缩成固定长度个字符，这可能吗？所以不要幻想使用压缩算法，而且对于 URL 这种不超过 100 bytes 的字符串，压缩算法的压缩比通常都大于 1。

所以我们应该转变思路。目前流行的短网址算法大概有两种，一种是利用 md5，将长网址 md5 后，再进行分组压缩，因为 md5 实质上是一种哈希算法，所以难免出现碰撞，当然，我们有解决哈希冲突的 N 种方法，但是这只会增加系统的复杂度，不推荐。另外一种是将网址和一个 62 进制数（0-9 & a-Z）对应，存入数据库中，需要的时候，通过数据库查询提取。

上面都是我粘贴的，哈哈哈哈哈哈，我的想法就是通过一种缩短的算法，然后将映射关系放在数据库啊或者缓存啊之类的，有一段生效时间，防止有重复之类的，这个时候的缩短算法就很重要了。

原理解析

当我们在浏览器里输入 http://t.cn/ReCqY16 时

1. DNS首先解析获得 http://t.cn 的 IP 地址
2. 当 DNS 获得 IP 地址以后（比如：119.75.217.109/），会向这个地址发送 HTTP GET 请求，查询短码 RlB2PdD
3. http://t.cn 服务器会通过短码 ReCqY16 获取对应的长 URL
4. 请求通过 HTTP 301 转到对应的长 URL https://www.baidu.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。

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

1. 将长网址 md5 生成 32 位签名串,分为 4 段, 每段 8 个字节
2. 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
3. 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
4. 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

其他

这样的实现，还有一些其他的问题，比如短网址的长度并不是固定的，这点容易解决，补位即可。再比如，这些短网址，按照顺序排列，并不显得随机，这也好办，比如可以随机生成六位字符串当作 key，而不是用整数的递增，这样的话，短网址数量也不受限了（可以增加短网址位数）。还有一点，相同的 URL 可能得到不同的短网址，这点可以另外加个哈希或者用 Set 去解决，还可以加个缓存来解决（在缓存时间内，重定向到相同地址，一旦缓存失效，重新分配 key）。

除了算法设计外，真正的系统还需要考虑很多，比如发号器的设计，比如缓存（挂个 Redis），比如跳转，等等，本文只是我自己瞎想的，也没实现，都是一些想法。

短网址系统的设计，其实依赖的并不是文本压缩算法。有些时候，需要换个角度思考问题。

参考

• How to code a URL shortener?
• 短 URL 系统是怎么设计的？
• 短网址服务设计
• 短网址服务系统如何设计
• 短网址(short URL)系统的原理及其实现