当前位置：首页 > article >正文

java面试场景题:QPS 短链系统怎么设计

article 2025/8/11 2:27:04

以下是对文章的润色版本：

这道场景设计题，初看似乎业务简单，实则覆盖的知识点极为丰富：

高并发与高性能分布式 ID 生成机制；
Redis Bloom Filter——高并发、低内存损耗的过滤组件知识；
分库、分表海量数据存储架构；
多级缓存策略；
HTTP 传输原理；
二进制、十六进制、六十二进制知识。

总体而言，高并发、高性能系统的核心领域几乎都涵盖其中。经过深入分析，可以得出结论：这是一个极具价值的问题。

在互联网传播和引用中，短网址常被用来替代长 URL。例如 QQ 微博的 url.cn、新浪的 sinaurl.cn 等。在 QQ、微博等平台上发布网址时，系统会自动识别并将其转换为短网址，如 url.cn/2hytQx。这种做法的原因主要有以下几点：

缩短地址长度，为有意义内容留出更多空间：原始 URL 往往较长，占用大量有效屏幕空间，尤其是对于微博这类字数受限的平台（如微博单条限制 140 字），过长的链接会占据内容篇幅的一半甚至更多，严重影响信息展示。短网址的出现，使得在有长度限制的平台上发布内容时，可编辑的文字数量得以增加。
有效管控原始 URL 内容：部分网址可能包含不良信息，如暴力、广告等。通过用户的举报，我们可以对这些 URL 进行管理，使其不再出现在应用中。因为相同的 URL 经过加密算法处理后，得到的短网址是相同的，便于统一管控。
便于对原始 URL 进行行为分析：通过对一系列网址的流量、点击等数据进行统计分析，可以挖掘出大多数用户关注的焦点，从而为项目的后续决策提供有力支持。

此外，短网址还具有以下优势：
4. 间接提高带宽利用率，节约成本；
5. 在某些平台上，过长的链接无法自动识别为超链接；
6. 短链接更加简洁、美观且安全，不暴露访问参数，还能规避关键词、域名屏蔽等手段。

短 URL 系统的核心在于将长 URL 转化为短 URL。客户端访问系统时，短 URL 的工作流程如下：

客户端使用短地址 A 访问短链 Java 服务；
短链 Java 服务进行地址转换和映射，将短 URL 映射到对应的长地址 URL；
短链 Java 服务返回 302 重定向给客户端；
客户端再重定向到原始服务。

那么，原始 URL 是如何变短的呢？简单来说，可以使用编号替代原始地址，而编号可以通过使用更大的进制来表示，从而进一步缩短长度。

1. 短 URL 系统的背景

2. 短 URL 系统的原理

六十二进制表示法：顾名思义，短网址是非常短的网址，如 xxx.cn/EYyCO9T，其中核心部分 EYyCO9T 只有 7 位长度。这 7 位长度是使用 62 进制表示的，即常用的 0-9、a-z、A-Z，共 10 个数字 + 26 个小写 + 26 个大写 = 62 位。

那么，7 位长度的 62 进制可以表示多大的范围呢？短网址的长度可以根据需要调整，如果需要更多范围，可以增加位数。即使 6 位长度的 62^6 也能达到 568 亿的范围。只要算法得当，可以覆盖很大的数据范围。

在编码过程中，可以根据需求调整 62 进制各位的含义。例如，在编码过程中，如果不想让人明确知道转换前的内容，可以进行弱加密。

62^7 = 3,521,614,606,208（合计 3.5 万亿）
10 进制最多只能生成 10^6 - 1 = 999,999 个
16 进制最多只能生成 16^6 - 1 = 16,777,215 个
16 进制中已经包含了 A、B、C、D、E、F 这几个字母
62 进制最多能生成 62^6 - 1 = 568,002,355,833 个，基本足够使用

A-Z、a-z、0-9 正好等于 62 位。

注意：

int（4 个字节），存储范围是 -21 亿到 21 亿；
long（8 个字节），存储范围是 -900 万万亿到 900 万万亿。

例如，A 站点将字母 c 表示为 32，B 站点将字母 c 表示为 60，这就相当于一种“密码本”。标准 ASCII 码也叫基础 ASCII 码，使用 7 位二进制数（剩下的 1 位二进制为 0），包含 128 个字符。看到这里，你或许会问，如果使用 128 进制（如果有的话），网址岂不是更短？确实如此。

7 位二进制数（剩下的 1 位二进制为 0）可以表示所有的大写和小写字母、数字 0 到 9、标点符号，以及在美式英语中使用的特殊控制字符。假设短地址长度为 8 位，62 的 8 次方足够一般系统使用。

3. 短 URL 系统的功能分析

系统核心实现包含三大功能模块：发号与存储模块、映射模块。

发号与存储模块：

发号：使用发号器为每个长地址分配一个号码 ID，并防止地址歧义，即防止同一个长地址多次请求得到的短地址不一样。
存储：将号码与长地址存放在数据库中，将号码转化为 62 进制，用于表示最终的短地址，并返回给用户。

映射模块：

用户使用 62 进制的短地址请求服务。
转换：将 62 进制的数转化为 10 进制，因为系统内部使用的是 long 类型的 10 进制数字 ID。
映射：在数据库中寻找对应的长地址。
通过 302 重定向，将用户请求重定向到对应的地址上。

回顾一下发号器的功能：为每个长地址分配一个号码 ID，并防止地址歧义。

以下是对目前流行的分布式 ID 方案的简单介绍：

方案 1：使用地址的 hash 编码作为 ID

MD5 算法：MD5 消息摘要算法（MD5 Message-Digest Algorithm）是一种被广泛应用的密码散列函数，可以产生一个 128 位（16 字节）的散列值（hash value）。MD5 算法将数据（如一段文字）运算变为另一个固定长度值，这是散列算法的基础原理。该算法由美国密码学家 Ronald Linn Rivest 设计，于 1992 年公开，并在 RFC 1321 中被加以规范。
CRC 算法：循环冗余校验（Cyclic Redundancy Check）是一种根据网络数据包或电脑文件等数据，产生简短固定位数校验码的散列函数，由 W. Wesley Peterson 于 1961 年发表。生成的数字在传输或存储之前计算出来并附加到数据后面，然后接收方进行检验以确定数据是否发生变化。由于该函数易于用二进制的电脑硬件使用、容易进行数学分析，并且尤其善于检测传输通道干扰引起的错误，因此获得广泛应用。
MurmurHash：MurmurHash 是一种非加密型哈希函数，适用于一般的哈希检索操作。由 Austin Appleby 于 2008 年发明，并出现了多个变种。与其他流行的哈希函数相比，对于规律性较强的键，MurmurHash 的随机分布特征表现更良好。该算法已被许多开源项目使用，如 libstdc++（4.6 版）、Perl、nginx（不早于 1.0.1 版）、Rubinius、libmemcached、maatkit、Hadoop、Redis、Memcached、Cassandra、HBase、Lucene 等。MurmurHash 计算可以是 128 位、64 位、32 位，位数越多，碰撞概率越少。因此，可以对长链进行 MurmurHash 计算，得到一个整数哈希

查看全文

http://www.lryc.cn/news/2404799.html