如何設計一個高性能短鏈?
來源：碼海
作者：碼海
今天，我們來談談如何設計一個高性能短鏈系統(tǒng)，短鏈系統(tǒng)設計看起來很簡單，但每個點都能展開很多知識點，也是在面試中非常適合考察侯選人的一道設計題，本文將會結合我們生產(chǎn)上穩(wěn)定運行兩年之久的高性能短鏈系統(tǒng)給大家簡單介紹下設計這套系統(tǒng)所涉及的一些思路，希望對大家能有一些幫助。
本文將會從以下幾個方面來講解，每個點包含的信息量都不少，相信大家看完肯定有收獲
- 短鏈有啥好處，用長鏈不香嗎
- 短鏈跳轉的基本原理
- 短鏈生成的幾種方法
- 高性能短鏈的架構設計
注：里面涉及到不少布隆過濾器，snowflake 等技術，由于不是本文重點，所以建議大家看完后再自己去深入了解，不然展開講篇幅會很長
短鏈有啥好處，用長鏈不香嗎
來看下以下極客時間發(fā)我的營銷短信，點擊下方藍色的鏈接（短鏈）
瀏覽器的地址欄上最終會顯示一條如下的長鏈。
那么為啥要用短鏈表示，直接用長鏈不行嗎，用短鏈的話有如下好外
1、鏈接變短，在對內(nèi)容長度有限制的平臺發(fā)文，可編輯的文字就變多了
最典型的就是微博，限定了只能發(fā) 140 個字，如果一串長鏈直接懟上去，其他可編輯的內(nèi)容就所剩無幾了，用短鏈的話，鏈接長度大大減少，自然可編輯的文字多了不少。
再比如一般短信發(fā)文有長度限度，如果用長鏈，一條短信很可能要拆分成兩三條發(fā)，本來一條一毛的短信費變成了兩三毛，何苦呢。另外用短鏈在內(nèi)容排版上也更美觀。
2、我們經(jīng)常需要將鏈接轉成二維碼的形式分享給他人，如果是長鏈的話二維碼密集難識別，短鏈就不存在這個問題了,如圖示
3、鏈接太長在有些平臺上無法自動識別為超鏈接
如圖示，在釘釘上，就無法識別如下長鏈接，只能識別部分，用短地址無此問題
短鏈跳轉的基本原理
從上文可知，短鏈好處多多，那么它是如何工作的呢。我們在瀏覽器抓下包看看
可以看到請求后，返回了狀態(tài)碼 302（重定向）與 location 值為長鏈的響應，然后瀏覽器會再請求這個長鏈以得到最終的響應,整個交互流程圖如下
主要步驟就是訪問短網(wǎng)址后重定向訪問 B，那么問題來了，301 和 302 都是重定向，到底該用哪個，這里需要注意一下 301 和 302 的區(qū)別
- 301，代表 永久重定向，也就是說第一次請求拿到長鏈接后，下次瀏覽器再去請求短鏈的話，不會向短網(wǎng)址服務器請求了，而是直接從瀏覽器的緩存里拿，這樣在 server 層面就無法獲取到短網(wǎng)址的點擊數(shù)了，如果這個鏈接剛好是某個活動的鏈接，也就無法分析此活動的效果。所以我們一般不采用 301。
- 302，代表 臨時重定向，也就是說每次去請求短鏈都會去請求短網(wǎng)址服務器（除非響應中用 Cache-Control 或 Expired 暗示瀏覽器緩存）,這樣就便于 server 統(tǒng)計點擊數(shù)，所以雖然用 302 會給 server 增加一點壓力，但在數(shù)據(jù)異常重要的今天，這點代碼是值得的，所以推薦使用 302！
短鏈生成的幾種方法
1、哈希算法
怎樣才能生成短鏈，仔細觀察上例中的短鏈，顯然它是由固定短鏈域名 + 長鏈映射成的一串字母組成，那么長鏈怎么才能映射成一串字母呢，哈希函數(shù)不就用來干這事的嗎，于是我們有了以下設計思路
那么這個哈希函數(shù)該怎么取呢，相信肯定有很多人說用 MD5，SHA 等算法，其實這樣做有點殺雞用牛刀了，而且既然是加密就意味著性能上會有損失，我們其實不關心反向解密的難度，反而更關心的是哈希的運算速度和沖突概率。
能夠滿足這樣的哈希算法有很多，這里推薦 Google 出品的 MurmurHash 算法，MurmurHash 是一種非加密型哈希函數(shù)，適用于一般的哈希檢索操作。與其它流行的哈希函數(shù)相比，對于規(guī)律性較強的 key，MurmurHash 的隨機分布特征表現(xiàn)更良好。非加密意味著著相比 MD5，SHA 這些函數(shù)它的性能肯定更高（實際上性能是 MD5 等加密算法的十倍以上），也正是由于它的這些優(yōu)點，所以雖然它出現(xiàn)于 2008，但目前已經(jīng)廣泛應用到 Redis、MemCache、Cassandra、HBase、Lucene 等眾多著名的軟件中。
畫外音：這里有個小插曲，MurmurHash 成名后，作者拿到了 Google 的 offer，所以多做些開源的項目，說不定成名后你也能不經(jīng)意間收到 Google 的 offer ^_^。
MurmurHash 提供了兩種長度的哈希值，32 bit，128 bit，為了讓網(wǎng)址盡可通地短，我們選擇 32 bit 的哈希值，32 bit 能表示的最大值近 43 億，對于中小型公司的業(yè)務而言綽綽有余。對上文提到的極客長鏈做 MurmurHash 計算，得到的哈希值為 3002604296，于是我們現(xiàn)在得到的短鏈為 固定短鏈域名+哈希值 = http://gk.link/a/3002604296
如何縮短域名？
有人說人這個域名還是有點長，還有一招，3002604296 得到的這個哈希值是十進制的，那我們把它轉為 62 進制可縮短它的長度，10 進制轉 62 進制如下：
于是我們有 (3002604296)10 = (3hcCxy)10，一下從 10 位縮短到了 6 位！于是現(xiàn)在得到了我們的短鏈為 http://gk.link/a/3hcCxy
畫外音：6 位 62 進制數(shù)可表示 568 億的數(shù)，應付長鏈轉換綽綽有余
如何解決哈希沖突的問題？
既然是哈希函數(shù)，不可避免地會產(chǎn)生哈希沖突（盡管概率很低），該怎么解決呢。
我們知道既然訪問訪問短鏈能跳轉到長鏈，那么兩者之前這種映射關系一定是要保存起來的，可以用 Redis 或 Mysql 等，這里我們選擇用 Mysql 來存儲。表結構應該如下所示
CREATE TABLE `short_url_map` (
`id` int(11) unsigned NOT NULL AUTO_INCREMENT,
`lurl` varchar(160) DEFAULT NULL COMMENT '長地址',
`surl` varchar(10) DEFAULT NULL COMMENT '短地址',
`gmt_create` int(11) DEFAULT NULL COMMENT '創(chuàng)建時間',
PRIMARY KEY (`id`)
) ENGINE=InnoDB DEFAULT CHARSET=utf8;
于是我們有了以下設計思路。
- 將長鏈（lurl）經(jīng)過 MurmurHash 后得到短鏈。
- 再根據(jù)短鏈去 short_url_map 表中查找看是否存在相關記錄，如果不存在，將長鏈與短鏈對應關系插入數(shù)據(jù)庫中，存儲。
- 如果存在，說明已經(jīng)有相關記錄了，此時在長串上拼接一個自定義好的字段，比如「DUPLICATE」，然后再對接接的字段串「lurl + DUPLICATE」做第一步操作，如果最后還是重復呢，再拼一個字段串啊，只要到時根據(jù)短鏈取出長鏈的時候把這些自定義好的字符串移除即是原來的長鏈。
以上步驟顯然是要優(yōu)化的，插入一條記錄居然要經(jīng)過兩次 sql 查詢（根據(jù)短鏈查記錄，將長短鏈對應關系插入數(shù)據(jù)庫中），如果在高并發(fā)下，顯然會成為瓶頸。
畫外音：一般數(shù)據(jù)庫和應用服務（只做計算不做存儲）會部署在兩臺不同的 server 上，執(zhí)行兩條 sql 就需要兩次網(wǎng)絡通信，這兩次網(wǎng)絡通信與兩次 sql 執(zhí)行是整個短鏈系統(tǒng)的性能瓶頸所在！
所以該怎么優(yōu)化呢
- 首先我們需要給短鏈字段 surl 加上唯一索引
- 當長鏈經(jīng)過 MurmurHash 得到短鏈后，直接將長短鏈對應關系插入 db 中，如果 db 里不含有此短鏈的記錄，則插入，如果包含了，說明違反了唯一性索引，此時只要給長鏈再加上我們上文說的自定義字段「DUPLICATE」,重新 hash 再插入即可，看起來在違反唯一性索引的情況下是多執(zhí)行了步驟，但我們要知道 MurmurHash 發(fā)生沖突的概率是非常低的，基本上不太可能發(fā)生，所以這種方案是可以接受的。
當然如果在數(shù)據(jù)量很大的情況下，沖突的概率會增大，此時我們可以加布隆過濾器來進行優(yōu)化。
用所有生成的短網(wǎng)址構建布隆過濾器，當一個新的長鏈生成短鏈后，先將此短鏈在布隆過濾器中進行查找，如果不存在，說明 db 里不存在此短網(wǎng)址，可以插入！
畫外音：布隆過濾器是一種非常省內(nèi)存的數(shù)據(jù)結構，長度為 10 億的布隆過濾器，只需要 125 M 的內(nèi)存空間。
綜上，如果用哈希函數(shù)來設計，總體的設計思路如下
用哈希算法生成的短鏈其實已經(jīng)能滿足我們的業(yè)務需求，接下來我們再來看看如何用自增序列的方式來生成短鏈
2、自增序列算法
我們可以維護一個 ID 自增生成器，比如 1，2，3 這樣的整數(shù)遞增 ID，當收到一個長鏈轉短鏈的請求時，ID 生成器為其分配一個 ID，再將其轉化為 62 進制，拼接到短鏈域名后面就得到了最終的短網(wǎng)址，那么這樣的 ID 自增生成器該如何設計呢。如果在低峰期發(fā)號還好，高并發(fā)下，ID 自增生成器的的 ID 生成可能會系統(tǒng)瓶頸，所以它的設計就顯得尤為重要。
主要有以下四種獲取 id 的方法
1、類 uuid
簡單地說就是用 UUID uuid = UUID.randomUUID(); 這種方式生成的 UUID，UUID(Universally Unique Identifier)全局唯一標識符,是指在一臺機器上生成的數(shù)字，它保證對在同一時空中的所有機器都是唯一的，但這種方式生成的 id 比較長，且無序，在插入 db 時可能會頻繁導致頁分裂，影響插入性能。
2、Redis
用 Redis 是個不錯的選擇，性能好，單機可支撐 10 w+ 請求，足以應付大部分的業(yè)務場景，但有人說如果一臺機器扛不住呢，可以設置多臺嘛，比如我布置 10 臺機器，每臺機器分別只生成尾號0，1，2，... 9 的 ID, 每次加 10 即可，只要設置一個 ID 生成器代理隨機分配給發(fā)號器生成 ?ID 就行了。
不過用 Redis 這種方案，需要考慮持久化（短鏈 ID 總不能一樣吧），災備，成本有點高。
3、Snowflake
用 Snowflake 也是個不錯的選擇，不過 Snowflake 依賴于系統(tǒng)時鐘的一致性。如果某臺機器的系統(tǒng)時鐘回撥，有可能造成 ID 沖突，或者 ID 亂序。
4、Mysql 自增主鍵
這種方式使用簡單，擴展方便，所以我們使用 Mysql 的自增主鍵來作為短鏈的 id。簡單總結如下：
那么問題來了，如果用 Mysql 自增 id 作為短鏈 ID，在高并發(fā)下，db 的寫壓力會很大，這種情況該怎么辦呢。
考慮一下，一定要在用到的時候去生成 id 嗎，是否可以提前生成這些自增 id ?
方案如下：
設計一個專門的發(fā)號表，每插入一條記錄，為短鏈 id 預留 ?（主鍵 id * 1000 - 999） 到 ?(主鍵 id ?* 1000) 的號段，如下
發(fā)號表：url_sender_num
如圖示：tmp_start_num 代表短鏈的起始 id，tmp_end_num 代表短鏈的終止 id。
當長鏈轉短鏈的請求打到某臺機器時，先看這臺機器是否分配了短鏈號段，未分配就往發(fā)號表插入一條記錄，則這臺機器將為短鏈分配范圍在 tmp_start_num 到 tmp_end_num 之間的 id。從 tmp_start_num 開始分配，一直分配到 tmp_end_num，如果發(fā)號 id 達到了 tmp_end_num，說明這個區(qū)間段的 id 已經(jīng)分配完了，則再往發(fā)號表插入一條記錄就又獲取了一個發(fā)號 id 區(qū)間。
畫外音：思考一下這個自增短鏈 id 在機器上該怎么實現(xiàn)呢， 可以用 redis, 不過更簡單的方案是用 AtomicLong，單機上性能不錯，也保證了并發(fā)的安全性，當然如果并發(fā)量很大，AtomicLong 的表現(xiàn)就不太行了，可以考慮用 LongAdder，在高并發(fā)下表現(xiàn)更加優(yōu)秀。
整體設計圖如下
解決了發(fā)號器問題，接下來就簡單了，從發(fā)號器拿過來的 id ，即為短鏈 id，接下來我們再創(chuàng)建一個長短鏈的映射表即可， 短鏈 id 即為主鍵，不過這里有個需要注意的地方，我們可能需要防止多次相同的長鏈生成不同的短鏈 id 這種情況，這就需要每次先根據(jù)長鏈來查找 db 看是否存在相關記錄，一般的做法是給長鏈加索引，但這樣的話索引的空間會很大，所以我們可以對長鏈適當?shù)膲嚎s，比如 md5，再對長鏈的 md5 字段做索引，索引就會小很多。這樣只要根據(jù)長鏈的 md5 去表里查是否存在相同的記錄即可。所以我們設計的表如下
CREATE TABLE `short_url_map` (
`id` int(11) unsigned NOT NULL AUTO_INCREMENT COMMENT '短鏈 id',
`lurl` varchar(10) DEFAULT NULL COMMENT '長鏈',
`md5` char(32) DEFAULT NULL COMMENT '長鏈md5',
`gmt_create` int(11) DEFAULT NULL COMMENT '創(chuàng)建時間',
PRIMARY KEY (`id`)
) ENGINE=InnoDB DEFAULT CHARSET=utf8;
當然了，數(shù)據(jù)量如果很大的話，后期就需要分區(qū)或分庫分表了。
高性能短鏈的架構設計
在電商公司，經(jīng)常有很多活動，秒殺，搶紅包等等，在某個時間點的 QPS 會很高，考慮到這種情況，我們引入了 openResty，它是一個基于 Nginx 與 Lua 的高性能 Web 平臺，由于 Nginx 的非阻塞 IO 模型，使用 openResty 可以輕松支持 100 w + 的并發(fā)數(shù)，一般情況下你只要部署一臺即可，不過為了避免單點故障，兩臺為宜，同時 openResty 也自帶了緩存機制，集成了 redis 這些緩存模塊，也可以直接連 mysql。不需要再通過業(yè)務層連這些中間件，性能自然會高不少
如圖示，使用 openResty 省去了業(yè)務層這一步，直達緩存層與數(shù)據(jù)庫層，也提升了不少性能。
總結
本文對短鏈設計方案作了詳細地剖析，旨在給大家提供幾種不同的短鏈設計思路，文中涉及到挺多像布隆過濾器，openResty 等技術，文中沒有展開講，建議大家回頭可以再詳細了解一下。再比如文中提到的 Mysql 頁分裂也需要對底層使用的 B+ tree 數(shù)據(jù)結構，操作系統(tǒng)按頁獲取等知識有比較詳細地了解，相信大家各個知識點都吃透后會收獲不小。
巨人的肩膀
https://www.cnblogs.com/rjzheng/p/11827426.html
https://time.geekbang.org/column/article/80850
另，給大家推薦一個Github，我發(fā)現(xiàn)里面有好幾百本CS類地常用電子書，推薦給大家：https://github.com/iamshuaidi/CS-Book（點擊閱讀原文直達，電腦打開更佳）
推薦閱讀
2020 第一篇原創(chuàng) | 我是如何讓自己變的更加優(yōu)秀的？