如何设计一个威尼斯37266-正版威斯尼斯人8206下载安装程序,下面我们详细来说说短网址程序。
短网址使用场景
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,发布出去。短网址服务可以把一个长网址变成短网址,方便在社交网络上传播。
需求
很显然,要尽可能的短。长度设计为多少才合适呢?
短网址的长度
当前互联网上的网页总数大概是 45亿,45亿超过了 2^{32}=4294967296,但远远小于64位整数的上限值,那么用一个64位整数足够了。
微博的威尼斯37266-正版威斯尼斯人8206下载安装服务用的是长度为7的字符串,这个字符串可以看做是62进制的数,那么最大能表示{62}^7=352161460620862个网址,远远大于45亿。所以长度为7就足够了。
一个64位整数如何转化为字符串呢?,假设我们只是用大小写字母加数字,那么可以看做是62进制数,log{(2^{64}-1)}=10.7,即字符串最长11就足够了。
实际生产中,还可以再短一点,比如新浪微博采用的长度就是7,因为 62^7=352161460620862,这个量级远远超过互联网上的url总数了,绝对够用了。
现代的web服务器(例如apache, nginx)大部分都区分url里的大小写了,所以用大小写字母来区分不同的url是没问题的。
因此,正确答案:长度不超过7的字符串,由大小写字母加数字共62个字母组成
一对一还是一对多映射?
一个长网址,对应一个短网址,还是可以对应多个短网址? 这也是个重大选择问题
一般而言,一个长网址,在不同的地点,不同的用户等情况下,生成的短网址应该不一样,这样,在后端数据库中,可以更好的进行数据分析。如果一个长网址与一个短网址一一对应,那么在数据库中,仅有一行数据,无法区分不同的来源,就无法做数据分析了。
以这个7位长度的短网址作为唯一id,这个id下可以挂各种信息,比如生成该网址的用户名,所在网站,http头部的 user agent等信息,收集了这些信息,才有可能在后面做大数据分析,挖掘数据的价值。短网址服务商的一大盈利来源就是这些数据。
正确答案:一对多
如何计算短网址
现在我们设定了短网址是一个长度为7的字符串,如何计算得到这个短网址呢?
最容易想到的办法是哈希,先hash得到一个64位整数,将它转化为62进制整,截取低7位即可。但是哈希算法会有冲突,如何处理冲突呢,又是一个麻烦。这个方法只是转移了矛盾,没有解决矛盾,抛弃。
正确答案:分布式发号器(distributed id generator)
如何存储
如果存储短网址和长网址的对应关系?以短网址为 primary key, 长网址为value, 可以用传统的关系数据库存起来,例如mysql, postgresql,也可以用任意一个分布式kv数据库,例如redis, leveldb。
如果你手痒想要手工设计这个存储,那就是另一个话题了,你需要完整地造一个kv存储引擎轮子。当前流行的kv存储引擎有leveldb何rockdb,去读它们的源码吧 :d
301还是302重定向
这也是一个有意思的问题。这个问题主要是考察你对301和302的理解,以及浏览器缓存机制的理解。
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。但是如果用了301, google,百度等搜索引擎,搜索的时候会直接展示真实地址,那我们就无法统计到短地址被点击的次数了,也无法收集用户的cookie, user agent 等信息,这些信息可以用来做很多有意思的大数据分析,也是短网址服务商的主要盈利来源。
所以,正确答案是302重定向。
可以抓包看看缩我短链接是怎么做的,使用 chrome 浏览器,访问这个url https://suowo.cn生成的短链接。来抓包看看返回的结果是啥,
可见新浪微博用的就是302临时重定向。
预防攻击
如果一些别有用心的黑客,短时间内向tinyurl服务器发送大量的请求,会迅速耗光id,怎么办呢?
首先,限制ip的单日请求总数,超过阈值则直接拒绝服务。
光限制ip的请求数还不够,因为黑客一般手里有上百万台肉鸡的,ip地址大大的有,所以光限制ip作用不大。
可以用一台redis作为缓存服务器,存储的不是 id->长网址,而是 长网址->id,仅存储一天以内的数据,用lru机制进行淘汰。这样,如果黑客大量发同一个长网址过来,直接从缓存服务器里返回短网址即可,他就无法耗光我们的id了。