第一站 - 轻松上网从此开始!

上网第一站

当前位置: > SEO >

短网址(short URL)系统的原理及其实现

时间:2017-11-22 14:27来源:segmentfault 作者:跌名 点击: 我来投稿获取授权
以下内容来自网络或网友投稿,www.swdyz.com不承担连带责任,如有侵权问题请联系我删除。投稿如果是首发请注明‘第一站首发’。如果你对本站有什么好的要求或建议。那么都非常感谢你能-联系我|版权认领
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

  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。

  

短网址(short URL)系统的原理及其实现

  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: 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

  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 时

  DNS首先解析获得 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

   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。

  

短网址(short URL)系统的原理及其实现

  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 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。

(责任编辑:admin)
织梦二维码生成器
顶一下
(0)
0%
踩一下
(0)
0%
------分隔线----------------------------
发布者资料
第一站编辑 查看详细资料 发送留言 加为好友 用户等级:注册会员 注册时间:2012-05-22 19:05 最后登录:2014-08-08 03:08
栏目列表
推荐内容
分享按鈕