当前位置： 首页 > news >正文

Java短链接生成服务实战指南

news 2025/9/13 5:45:44

1. 短链接服务的实际应用

1.1 为什么需要短链接

短链接在现代互联网应用中扮演着重要角色。
想象一下，你在发短信推广时，一个几十个字符的长链接会占用大量字符空间。
而短链接只需要几个字符就能搞定，既节省成本又提升用户体验。

在社交媒体分享时，短链接让内容看起来更简洁。
微博的140字限制下，每个字符都很珍贵。
短链接还能帮你追踪点击数据，了解推广效果。

1.2 短链接的核心原理

短链接的工作机制其实很简单：建立一个映射关系。
长链接通过某种算法生成一个短标识，存储在数据库中。
用户访问短链接时，系统根据短标识找到原始链接，然后重定向过去。

这个过程就像给每个长链接发了一张身份证，凭证就能找到本人。

2. 两种生成策略对比

2.1 随机生成策略

随机生成就是用算法随机产生短链接标识。
这种方式实现简单，但有个问题：可能会撞车。
所以需要额外检查生成的标识是否已经存在。

2.2 自增生成策略

自增方式使用一个递增的数字作为基础。
每次生成新的短链接，数字就加1，然后转换成短标识。
这样能保证不重复，但在分布式环境下需要考虑并发问题。

3. 随机生成方式实现

3.1 核心代码实现

随机生成方式的核心思路是使用62进制字符集来构造短标识。
我们选择62进制是因为它包含了数字、小写字母和大写字母，既保证了足够的组合数量，又避免了特殊字符带来的URL编码问题。
下面的代码展示了完整的随机生成实现：

@RestController
@RequestMapping("/shortUrl")
public class ShortUrlController {// 定义62进制字符集：数字+小写字母+大写字母private String BASE62 = "0123456789abcdefghijklmnopqrstuvwxyzABCDEFGHIJKLMNOPQRSTUVWXYZ";// 短链接域名前缀private String shortUrlPrefix = "http://a.cn/";// 存储短链接和长链接的映射关系private HashMap<String, String> map = new HashMap<>();@RequestMapping("getShortUrl")public String getShortUrl(String longUrl) {// 参数校验：确保传入的URL不为空if (longUrl == null || longUrl.trim().isEmpty()) {throw new IllegalArgumentException("URL不能为空");}String key = createKey();// 如果生成的key已存在，重新生成直到唯一// 注意：在生产环境中应该限制重试次数，避免无限循环int retryCount = 0;while (map.containsKey(key) && retryCount < 10) {key = createKey();retryCount++;}if (retryCount >= 10) {throw new RuntimeException("生成短链接失败，请重试");}map.put(key, longUrl);return shortUrlPrefix + key;}@RequestMapping("getLongUrl")public String getLongUrl(String shortUrl) {// 参数校验：确保短链接格式正确if (shortUrl == null || !shortUrl.startsWith(shortUrlPrefix)) {throw new IllegalArgumentException("短链接格式不正确");}// 提取短链接标识，去掉域名前缀String shortKey = shortUrl.replace(shortUrlPrefix, "");String longUrl = map.get(shortKey);// 如果找不到对应的长链接，返回null或抛出异常if (longUrl == null) {throw new RuntimeException("短链接不存在或已过期");}return longUrl;}private String createKey() {Random rand = new Random();StringBuilder sb = new StringBuilder();// 生成6位随机字符串，每位从62个字符中随机选择for (int i = 0; i < 6; i++) {// 随机选择一个索引位置，范围是0-61int randomIndex = rand.nextInt(62);// 根据索引从字符集中取出对应字符sb.append(BASE62.charAt(randomIndex));}return sb.toString();}
}

3.2 代码解析

这个实现方案有几个关键设计点需要理解：

字符集选择原理：
BASE62字符集包含62个字符，这样6位字符串就能产生62^6种组合。
理论上能生成568亿个不同的短链接，对大多数应用来说够用了。
选择62进制而不是64进制，是为了避免URL中的特殊字符如’+‘和’/'。

重复检测机制：
createKey()方法每次随机选择6个字符组成标识。
虽然有重复的可能，但概率很小，通过while循环能确保唯一性。
在实际生产中，这个检测应该放在数据库层面，而不是内存HashMap。

4. 自增生成方式实现

4.1 主控制器代码

自增方式的优势在于能够保证生成的短链接绝对不重复。
我们从一个较大的数字开始（比如100万），这样生成的短链接不会太短，看起来更专业。
每次生成新链接时，数字递增1，然后转换为Base62编码：

@RestController
@RequestMapping("/shortUrl2")
public class ShortUrl2Controller {private String shortUrlPrefix = "http://a.cn/";private HashMap<String, String> map = new HashMap<>();// 从100万开始，避免短链接太短private Long num = 1000000L;@RequestMapping("getShortUrl")public String getShortUrl(String longUrl) {String key = createKey();map.put(key, longUrl);return shortUrlPrefix + key;}@RequestMapping("getLongUrl")public String getLongUrl(String shortUrl) {return map.get(shortUrl.replace(shortUrlPrefix, ""));}private String createKey() {String base62 = Base62Util.base62Encode(num);num++;return base62;}
}

4.2 Base62编码工具类

Base62编码是整个自增方案的核心算法。
它的作用是将十进制数字转换成62进制字符串，从而大大缩短标识的长度。
这个转换过程类似于我们熟悉的十进制转二进制，只是进制基数不同：

public class Base62Util {private static final String BASE62_CHARACTERS = "0123456789abcdefghijklmnopqrstuvwxyzABCDEFGHIJKLMNOPQRSTUVWXYZ";public static String base62Encode(long num) {List<Character> base62Digits = new ArrayList<>();// 进制转换的核心算法：不断除以62取余数do {// 取余数，得到当前位的数字（0-61）int remainder = (int) (num % 62);// 将数字转换为对应的字符并存储base62Digits.add(BASE62_CHARACTERS.charAt(remainder));// 继续处理商，相当于右移一位num /= 62;} while (num > 0);StringBuilder sb = new StringBuilder();// 反转数字顺序，得到正确的Base62编码// 因为我们是从低位到高位计算的，需要反转才是正确顺序for (int i = base62Digits.size() - 1; i >= 0; i--) {sb.append(base62Digits.get(i));}return sb.toString();}
}

4.3 编码原理说明

Base62编码就是把十进制数字转换成62进制表示。
这个转换过程可以用一个具体例子来理解：

转换示例：
数字1000000的转换过程：

  • 1000000 ÷ 62 = 16129，余数 8 → 字符’8’
  • 16129 ÷ 62 = 260，余数 9 → 字符’9’
  • 260 ÷ 62 = 4，余数 12 → 字符’c’
  • 4 ÷ 62 = 0，余数 4 → 字符’4’
  • 反转后得到：“4c98”

这样就把7位数字压缩成了4位字符串，压缩率非常高。
每次num自增，确保生成的短链接都不重复。

5. 接口使用示例

5.1 生成短链接

访问接口：GET /shortUrl/getShortUrl?longUrl=https://www.example.com

返回结果：http://a.cn/aBc123

5.2 获取原始链接

访问接口：GET /shortUrl/getLongUrl?shortUrl=http://a.cn/aBc123

返回结果：https://www.example.com

6. 生产环境优化策略

6.1 分布式ID生成

在真实的生产环境中，单机自增肯定不够用。
多台服务器同时生成ID会导致冲突，这时候就需要分布式ID生成方案。
雪花算法是Twitter开源的分布式ID生成算法，它能保证在分布式环境下生成全局唯一的ID。

雪花算法的组成结构：

  • 1位符号位（固定为0）
  • 41位时间戳（毫秒级，可用69年）
  • 10位机器标识（5位数据中心ID + 5位工作机器ID）
  • 12位序列号（同一毫秒内的递增序列）
@Component
public class SnowflakeIdGenerator {private final long workerId;private final long datacenterId;private long sequence = 0L;private long lastTimestamp = -1L;public SnowflakeIdGenerator(long workerId, long datacenterId) {this.workerId = workerId;this.datacenterId = datacenterId;}public synchronized long nextId() {long timestamp = System.currentTimeMillis();// 检查时钟回拨，这在分布式环境中可能发生if (timestamp < lastTimestamp) {throw new RuntimeException("时钟回拨异常");}// 如果是同一毫秒内的请求，序列号递增if (lastTimestamp == timestamp) {// 序列号递增，使用位运算确保不超过12位（4095）sequence = (sequence + 1) & 4095; // 4095 = 2^12 - 1// 如果序列号溢出，等待下一毫秒if (sequence == 0) {timestamp = waitNextMillis(lastTimestamp);}} else {// 新的毫秒，序列号重置为0sequence = 0L;}lastTimestamp = timestamp;// 组装64位ID：时间戳(41位) + 数据中心ID(5位) + 工作机器ID(5位) + 序列号(12位)return ((timestamp - 1609459200000L) << 22) // 时间戳左移22位（减去起始时间戳）| (datacenterId << 17)                // 数据中心ID左移17位| (workerId << 12)                    // 工作机器ID左移12位| sequence;                           // 序列号占最低12位}private long waitNextMillis(long lastTimestamp) {// 等待下一毫秒，确保时间戳递增// 这个方法在高并发场景下可能会消耗CPU，但保证了ID的唯一性long timestamp = System.currentTimeMillis();while (timestamp <= lastTimestamp) {timestamp = System.currentTimeMillis();}return timestamp;}
}

6.2 Redis缓存优化

数据库查询是短链接服务的性能瓶颈，特别是在高并发场景下。
Redis作为内存数据库，查询速度比MySQL快几个数量级。
我们可以将热点数据缓存到Redis中，大幅提升响应速度。

缓存策略设计：

  • 设置合理的过期时间，避免缓存无限增长
  • 使用统一的key前缀，便于管理和清理
  • 提供exists方法，快速判断短链接是否存在
@Service
public class ShortUrlService {@Autowiredprivate RedisTemplate<String, String> redisTemplate;private static final String SHORT_URL_PREFIX = "short_url:";private static final int EXPIRE_TIME = 7 * 24 * 3600; // 7天过期public void saveMapping(String shortKey, String longUrl) {// 构造Redis键名，使用前缀避免键冲突String redisKey = SHORT_URL_PREFIX + shortKey;// 设置键值对，同时设置过期时间防止内存泄漏redisTemplate.opsForValue().set(redisKey, longUrl, EXPIRE_TIME, TimeUnit.SECONDS);}public String getLongUrl(String shortKey) {// 根据短链接标识查询原始URLString redisKey = SHORT_URL_PREFIX + shortKey;return redisTemplate.opsForValue().get(redisKey);}public boolean exists(String shortKey) {// 快速判断短链接是否存在，避免无效查询String redisKey = SHORT_URL_PREFIX + shortKey;return Boolean.TRUE.equals(redisTemplate.hasKey(redisKey));}
}

6.3 布隆过滤器防重复

当数据量达到千万级别时，即使是Redis查询也会成为瓶颈。
布隆过滤器是一种空间效率极高的概率型数据结构，用于快速判断元素是否存在。
它的特点是：如果说不存在，那一定不存在；如果说存在，可能存在误判。

布隆过滤器的优势：

  • 空间占用极小，100万元素只需要几MB内存
  • 查询速度极快，时间复杂度O(1)
  • 适合作为第一层过滤，减少数据库查询
@Component
public class BloomFilterService {private BloomFilter<String> bloomFilter;@PostConstructpublic void init() {// 初始化布隆过滤器，需要预估数据量和可接受的误判率// 预估100万个元素，误判率0.01%（万分之一）// 误判率越低，占用内存越大，需要根据实际情况平衡bloomFilter = BloomFilter.create(Funnels.stringFunnel(Charset.defaultCharset()), // 字符串哈希函数1000000,    // 预期元素数量0.0001      // 误判率（0.01%）);}public boolean mightContain(String url) {return bloomFilter.mightContain(url);}public void put(String url) {bloomFilter.put(url);}
}

6.4 三层架构应用

在实际生产环境中，我们采用"布隆过滤器 + Redis + 数据库"的三层架构来优化查询性能：

@Service
public class ShortUrlService {@Autowiredprivate BloomFilterService bloomFilterService;@Autowiredprivate RedisTemplate<String, String> redisTemplate;@Autowiredprivate ShortUrlMapper shortUrlMapper;public String getLongUrl(String shortKey) {// 第一层：布隆过滤器快速过滤不存在的数据// 如果布隆过滤器说不存在，那一定不存在，直接返回if (!bloomFilterService.mightContain(shortKey)) {return null; // 避免无效的Redis和数据库查询}// 第二层：Redis缓存查询String redisKey = "short_url:" + shortKey;String longUrl = redisTemplate.opsForValue().get(redisKey);if (longUrl != null) {return longUrl; // 缓存命中，直接返回}// 第三层：数据库查询（布隆过滤器可能误判）ShortUrl shortUrl = shortUrlMapper.selectByShortKey(shortKey);if (shortUrl != null) {// 查询到数据，回写Redis缓存redisTemplate.opsForValue().set(redisKey, shortUrl.getLongUrl(), Duration.ofHours(24)); // 缓存24小时return shortUrl.getLongUrl();}return null; // 确实不存在}public String createShortUrl(String longUrl) {String shortKey = generateShortKey();// 保存到数据库ShortUrl shortUrl = new ShortUrl();shortUrl.setShortKey(shortKey);shortUrl.setLongUrl(longUrl);shortUrlMapper.insert(shortUrl);// 同步更新布隆过滤器和Redis缓存bloomFilterService.put(shortKey);String redisKey = "short_url:" + shortKey;redisTemplate.opsForValue().set(redisKey, longUrl, Duration.ofHours(24));return shortKey;}
}

这种三层架构的优势：

  • 布隆过滤器：过滤99%以上的无效请求，保护后端系统
  • Redis缓存：处理热点数据访问，响应时间在毫秒级
  • 数据库：作为最终数据源，保证数据一致性

7. 数据库设计

7.1 短链接表结构

-- 短链接数据表设计，考虑了性能和扩展性
CREATE TABLE short_url (id BIGINT PRIMARY KEY AUTO_INCREMENT,                    -- 主键，自增IDshort_key VARCHAR(10) NOT NULL UNIQUE COMMENT '短链接标识',  -- 短链接标识，唯一索引long_url TEXT NOT NULL COMMENT '原始长链接',                -- 原始URL，使用TEXT支持长URLcreate_time TIMESTAMP DEFAULT CURRENT_TIMESTAMP COMMENT '创建时间',  -- 创建时间，自动填充expire_time TIMESTAMP NULL COMMENT '过期时间',             -- 过期时间，可为空表示永不过期click_count INT DEFAULT 0 COMMENT '点击次数',              -- 点击统计，默认为0INDEX idx_short_key (short_key),                        -- 短链接查询索引（最重要）INDEX idx_create_time (create_time)                     -- 时间范围查询索引
);

7.2 数据访问层实现

数据访问层负责与数据库的交互操作。
这里使用JdbcTemplate而不是JPA，是为了更好地控制SQL语句，提升查询性能。
特别注意expire_time的处理，确保过期的短链接不会被查询到：

@Repository
public class ShortUrlRepository {@Autowiredprivate JdbcTemplate jdbcTemplate;public void save(String shortKey, String longUrl) {String sql = "INSERT INTO short_url (short_key, long_url) VALUES (?, ?)";jdbcTemplate.update(sql, shortKey, longUrl);}public String findLongUrl(String shortKey) {// 查询SQL包含过期时间检查，确保不返回过期的链接// expire_time IS NULL 表示永不过期// expire_time > NOW() 表示还未过期String sql = "SELECT long_url FROM short_url WHERE short_key = ? AND (expire_time IS NULL OR expire_time > NOW())";try {return jdbcTemplate.queryForObject(sql, String.class, shortKey);} catch (EmptyResultDataAccessException e) {// 没有找到记录时返回null，而不是抛出异常return null;}}public void incrementClickCount(String shortKey) {String sql = "UPDATE short_url SET click_count = click_count + 1 WHERE short_key = ?";jdbcTemplate.update(sql, shortKey);}
}

8. 性能监控与统计

8.1 点击统计功能

短链接服务不仅要提供跳转功能，还要统计访问数据。
这对于营销推广和数据分析非常重要。
我们使用异步更新来避免统计操作影响跳转性能，用户体验优先：

@RestController
public class ShortUrlRedirectController {@Autowiredprivate ShortUrlService shortUrlService;@Autowiredprivate ShortUrlRepository repository;@GetMapping("/s/{shortKey}")public ResponseEntity<Void> redirect(@PathVariable String shortKey) {String longUrl = shortUrlService.getLongUrl(shortKey);if (longUrl == null) {return ResponseEntity.notFound().build();}// 异步更新点击统计，不阻塞用户跳转// 使用CompletableFuture确保统计操作在后台执行CompletableFuture.runAsync(() -> {try {repository.incrementClickCount(shortKey);} catch (Exception e) {// 统计失败不影响用户体验，只记录日志logger.error("更新点击统计失败: shortKey={}", shortKey, e);}});HttpHeaders headers = new HttpHeaders();headers.setLocation(URI.create(longUrl));return new ResponseEntity<>(headers, HttpStatus.FOUND);}
}

8.2 访问日志记录

详细的访问日志对于分析用户行为和排查问题非常重要。
通过拦截器的方式，我们可以统一记录所有短链接的访问情况。
特别要注意获取真实IP地址，考虑代理和负载均衡的情况：

@Component
public class AccessLogInterceptor implements HandlerInterceptor {private static final Logger logger = LoggerFactory.getLogger(AccessLogInterceptor.class);@Overridepublic boolean preHandle(HttpServletRequest request, HttpServletResponse response, Object handler) {String shortKey = extractShortKey(request.getRequestURI());String userAgent = request.getHeader("User-Agent");String clientIp = getClientIp(request);// 记录访问日志logger.info("短链接访问: shortKey={}, ip={}, userAgent={}", shortKey, clientIp, userAgent);return true;}private String getClientIp(HttpServletRequest request) {// 获取真实客户端IP，考虑代理和负载均衡的情况// X-Forwarded-For是代理服务器添加的头部，包含真实客户端IPString xForwardedFor = request.getHeader("X-Forwarded-For");if (xForwardedFor != null && !xForwardedFor.isEmpty()) {// 可能包含多个IP，第一个是真实客户端IPreturn xForwardedFor.split(",")[0].trim();}// 如果没有代理，直接获取远程地址return request.getRemoteAddr();}private String extractShortKey(String uri) {return uri.substring(uri.lastIndexOf('/') + 1);}
}

9. 总结

小型应用（日访问量 < 10万）：

  • 使用随机生成策略，简单易实现
  • 数据存储用MySQL即可
  • 不需要复杂的缓存和分布式方案

中型应用（日访问量 10万-100万）：

  • 推荐自增生成策略，避免重复检测开销
  • 引入Redis缓存热点数据
  • 考虑数据库读写分离

大型应用（日访问量 > 100万）：

  • 必须使用分布式ID生成（雪花算法）
  • 多级缓存架构（本地缓存 + Redis）
  • 布隆过滤器预过滤
  • 数据库分库分表

这套短链接服务涵盖了从基础实现到生产优化的完整方案。
在实际使用中，可以根据业务需求选择合适的生成策略和优化方案。
简单的方案往往是最好的方案，不要过度设计。

参考：https://blog.csdn.net/java_zhangshuai/article/details/106942758


文章转载自：

http://vcjEZAGa.gjwkL.cn
http://vaVZi4yQ.gjwkL.cn
http://EAiI7I50.gjwkL.cn
http://08KCLz41.gjwkL.cn
http://zNXyXasn.gjwkL.cn
http://rzkY87JO.gjwkL.cn
http://wPelOCVZ.gjwkL.cn
http://17KmFoz1.gjwkL.cn
http://GS5k9zBo.gjwkL.cn
http://qUw63wII.gjwkL.cn
http://yFjAPaJB.gjwkL.cn
http://Mz9mRvhU.gjwkL.cn
http://q6mU36nP.gjwkL.cn
http://M62dp14D.gjwkL.cn
http://JUNjvGqQ.gjwkL.cn
http://LIKVD2Iz.gjwkL.cn
http://B9OTADQF.gjwkL.cn
http://j4RHnX6Q.gjwkL.cn
http://uEgv5X5H.gjwkL.cn
http://RYEK31tn.gjwkL.cn
http://aPLV1gcM.gjwkL.cn
http://83359AH2.gjwkL.cn
http://T3BWADwv.gjwkL.cn
http://THnmLzNa.gjwkL.cn
http://hdPXcR84.gjwkL.cn
http://gKnIq9ld.gjwkL.cn
http://5gMH58FB.gjwkL.cn
http://B3cm2y8h.gjwkL.cn
http://JkLSKJMh.gjwkL.cn
http://AcqIVWhG.gjwkL.cn
http://www.dtcms.com/a/379813.html

相关文章：

  • JAVA Web —— A / 网页开发基础
  • TensorFlow深度学习实战：从零开始构建你的第一个神经网络
  • Keepalived 负载均衡
  • 智能文档处理业务，应该选择大模型还是OCR专用小模型？
  • 《Redis核心机制解析》
  • Netty 在 API 网关中的应用篇（请求转发、限流、路由、负载均衡）
  • 金蝶云星空插件开发记录（一）
  • Knockout-ES5 入门教程
  • 基于 Art_DAQ、InfluxDB 和 PyQt 的传感器数据采集、存储与可视化
  • 【图像处理基石】图像压缩有哪些经典算法？
  • C语言实战：简单易懂通讯录
  • youte-agent部署（windows）
  • Python实现点云法向量各种方向设定
  • Linnux IPC通信和RPC通信实现的方式
  • apache实现LAMP＋apache(URL重定向)
  • MongoDB 与 GraphQL 结合：现代 API 开发新范式
  • k8s-临时容器学习
  • uni-app 根据用户不同身份显示不同的tabBar
  • ubuntu18.04安装PCL1.14
  • Ubuntu 系统下 Anaconda 完整安装与环境配置指南（附常见问题解决）
  • 网络链路分析笔记mtr/traceroute
  • 在 Ubuntu 系统中利用 conda 创建虚拟环境安装 sglang 大模型引擎的完整步骤、版本查看方法、启动指令及验证方式
  • 基带与射频的区别与联系
  • 《企业安全运营周报》模板 (极简实用版)​
  • opencv基于SIFT特征匹配的简单指纹识别系统实现
  • Node.js 操作 Elasticsearch (ES) 的指南
  • 使用tree命令导出文件夹/文件的目录树（ Windows 和 macOS）
  • Spring缓存（二）：解决缓存雪崩、击穿、穿透问题
  • LabVIEW加载 STL 模型至 3D 场景 源码见附件
  • Tessent_ijtag_ug——第 4 章 ICL 提取(2)