如何设计一个短链系统？

短链的好处

方便传播：太长的链接容易被限制长度
提升用户体验：短链接看着简洁，长链接看着容易懵
安全：不想暴露参数
统计分析：可以统一链接转换，当然也可以实现统计点击次数等操作

短链的原理

短链系统的核心原理是将长链接映射为一个短标识。当用户访问短链时，系统根据这个短标识找到对应的长链接，然后进行重定向。这就好比给一个复杂的地址起了一个简单的别名，通过别名就能找到真实地址。

需要注意的是，在使用短链系统时，重定向应该选择 302 状态码，而不是 301 状态码。若使用 301 状态码，浏览器存储了这个映射关系后，下一次访问就直接访问长链，而不是先重定向了，从而使得统计分析变少。

短链的生成

哈希算法：对长链接进行哈希计算，得到一个固定长度的哈希值。推荐 MurmurHash 算法，这种算法是一种非加密型哈希函数，适用于一般的哈希检索操作，目前 Redis，Memcached，Cassandra，HBase，Lucene 都在用这种算法。对于碰撞问题，最简单的一种思路是，如果发生碰撞，就给原始 URL 附加上特殊字符串，直到躲开碰撞为止。对于判断是否碰撞的方法，数据库的唯一索引 vs 布隆过滤器。
自增 ID：使用数据库自增 ID 作为短链标识。每生成一个短链，ID 自增 1。这种方式生成的短链具有唯一性，但 ID 可能会暴露系统的链接数量等信息。
随机字符串：生成一段固定长度的随机字符串作为短链。为了保证短链的唯一性，需要在生成后检查是否已存在。

短链存储

关系型数据库：如 MySQL、PostgreSQL 等，可以使用表来存储长链接和短链的对应关系，以及相关的统计信息。优点是数据一致性好，适合复杂查询；缺点是在高并发场景下性能可能受限。基本的数据信息如下，可能会根据需要增加一些补充信息，如创建短链的用户信息、IP 地址等等。

CREATE TABLE `url_map` (
  `id` int(11) unsigned NOT NULL AUTO_INCREMENT,
  `long_url` varchar(169) DEFAULT NULL COMMENT '长链',
  `short_url` varchar(10) DEFAULT NULL COMMENT '短链',
  PRIMARY KEY (`id`)
) ENGINE=InnoDB DEFAULT CHARSET=utf8;

非关系型数据库：像 Redis，以键值对的形式存储短链和长链的映射关系，读写速度快，适合高并发场景。但不适合复杂的统计分析操作。

长链合法性校验

如果是对外提供服务的短链系统，还需要对用户的原始长链接进行验证，以确保链接指向的是合法且可信任的目标资源。一般会考虑两个方面：

主域名合法性：我们会解析原始长链接，提取其中的域名信息。然后，我们会将这个域名与预先定义的合法域名列表进行比对，以确认链接是否指向了我们期望的域名。这样做可以有效地防止恶意链接或指向不安全网站的情况。
查询参数域名合法性：链接中的查询参数域名也可能影响到用户安全。我们也需要验证这些域名是否合法，以免引发潜在的安全风险。

🪴 Obsidian Publish

探索