引言
很多大型網站都加入了短連結的功能。之所以要是使用短連結，主要是因為微博只允許發140 字，如果連結地址太長的話，那麼發送的字數將大大減少。短連結的主要職責就是把原始連結很長的地址壓縮成只有6 個字母的短連結地址，當我們點擊這6 個字母的連結後，我們又可以跳轉到原始連結地址。
開始以為短連結是按照某種算法把原始連結壓縮為短連結，再根據算法從短連結反算成原始連結的。後來嘗試了下壓縮算法（比如gzip 壓縮算法），發現對於url 這種字符串越是壓縮，長度就越長。通過對壓縮算法的一些了解，發現靠壓縮算法來實現這個功能不太靠譜。
後來在網上找到一個生成算法，該算法主要使用MD5 算法對原始連結進行加密（這裡使用的MD5 加密後的字符串長度為32 位），然後對加密後的字符串進行處理以得到短連結的地址。
原始的算法是C 版本的，這裡我把該算法修改成Java 版本的. 算法的具體代碼如下，代碼中有注釋：
代碼
輸出結果
執行上面代碼的結果如下，會產生4 組6 位字符串，任意一組都可以作為當前字符串的短連結地址。
跳轉原理
當我們生成短連結之後，只需要在表中（資料庫或者NoSql ）存儲原始連結與短連結的映射關係即可。當我們訪問短連結時，只需要從映射關係中找到原始連結，即可跳轉到原始連結。
參考1、調用第三方接口自動轉2、springboot 實現長連結轉短連結轉換原理： 將原url通過一系列方式，轉換成6位短碼（只要能不重複，隨便怎麼方式都行）；將長短連結存入資料庫，形成一條對應關係；訪問短連結的時候，在資料庫找到對應的長連結，並通過重定向實現原url的訪問；（如果你的轉換方式能過還原，也可以不要資料庫，但必須保證轉換後的短碼不能重複）（代碼部分和正文部分一樣的算法）缺點：這個index的取值範圍額只有32個，永遠不可能是 2、3、6、7、10、11… 。所以自己重新寫一個算法。
3、改進2的算法算法的步驟如下：
對Url進行md5編碼對md5碼進行base64編碼，長度為22剔除base64碼中的『+』和『/』， 取前面的一段，如果位數不夠，用base64碼加上url再進行一次md5，用這個補齊，循環4直到位數滿足短碼的長度需求
網上還有很多算法，比如：自增長算法（這個可能存在增長鎖的問題），隨機數算法。按理來說都是可行的，但是這些算法無法去重，就是可能會出現一個url在對應表中有多條記錄。用上面基於Md5的算法，可以解決這個問題。在發現編碼存在時進一步核實原始url是否一致，如果一致就不是衝突。
最爛的回答
實現一個算法，將長地址轉成短地址。實現長和短一一對應。然後再實現它的逆運算，將短地址還能換算回長地址。
這個回答看起來挺完美的，然後候選人也會說現在時間比較短，如果給我時間我去找這個算法就解決問題了。但是稍微有點計算機或者資訊理論常識的人就能發現，這個算法就跟永動機一樣，是永遠不可能找到的。即使我們定義短地址是100位。那麼它的變化是62的100次方。62=10數字+26大寫字母+26小寫字母。無論這個數多麼大，他也不可能大過世界上可能存在的長地址。所以實現一一對應，本身就是不可能的。
再換一個說法來反駁，如果真有這麼一個算法和逆運算，那麼基本上現在的壓縮軟體都可以歇菜了，而世界上所有的信息，都可以壓縮到100個字符。這～可能嗎。
短 URL 系統是怎麼設計的？
另一個很爛的回答
和上面一樣，也找一個算法，把長地址轉成短地址，但是不存在逆運算。我們需要把短對長的關係存到DB中，在通過短查長時，需要查DB。
怎麼說呢，沒有改變本質，如果真有這麼一個算法，那必然是會出現碰撞的，也就是多個長地址轉成了同一個短地址。因為我們無法預知會輸入什麼樣的長地址到這個系統中，所以不可能實現這樣一個絕對不碰撞的hash函數。
比較爛的回答
那我們用一個hash算法，我承認它會碰撞，碰撞後我再在後面加1，2，3不就行了。
ok，這樣的話，當通過這個hash算法算出來之後，可能我們會需要做btree式的大於小於或者like查找到能知道現在應該在後面加1，2，或3，這個也可能由於輸入的長地址集的不確定性。導致生成短地址時間的不確定性。同樣爛的回答還有隨機生成一個短地址，去查找是否用過，用過就再隨機，如此往復，直到隨機到一個沒用過的短地址。
正確的原理
上面是幾種典型的錯誤回答，下面咱們直接說正確的原理。
正確的原理就是通過發號策略，給每一個過來的長地址，發一個號即可，小型系統直接用mysql的自增索引就搞定了。如果是大型應用，可以考慮各種分布式key- value系統做發號器。不停的自增就行了。第一個使用這個服務的人得到的短地址是xx.xx/0 第二個是 xx.xx/1 第11個是 xx.xx/a 第依次往後，相當於實現了一個62進位的自增欄位即可。
幾個子問題
1. 62進位如何用資料庫或者KV存儲來做？
其實我們並不需要在存儲中用62進位，用10進位就好了。比如第10000個長地址，我們給它的短地址對應的編號是9999，我們通過存儲自增拿到9999後，再做一個10進位到62進位的轉換，轉成62進位數即可。這個10～62進位轉換，你完全都可以自己實現。
2. 如何保證同一個長地址，每次轉出來都是一樣的短地址
上面的發號原理中，是不判斷長地址是否已經轉過的。也就是說用拿著百度首頁地址來轉，我給一個xx.xx/abc 過一段時間你再來轉，我還會給你一個 xx.xx/xyz。這看起來挺不好的，但是不好在哪裡呢？不好在不是一一對應，而一長對多短。這與我們完美主義的基因不符合，那麼除此以外還有什麼不對的地方？
有人說它浪費空間，這是對的。同一個長地址，產生多條短地址記錄，這明顯是浪費空間的。那麼我們如何避免空間浪費，有人非常迅速的回答我，建立一個長對短的KV存儲即可。嗯，聽起來有理，但是。。。這個KV存儲本身就是浪費大量空間。所以我們是在用空間換空間，而且貌似是在用大空間換小空間。真的划算嗎？這個問題要考慮一下。當然，也不是沒有辦法解決，我們做不到真正的一一對應，那麼打個折扣是不是可以搞定？
這個問題的答案太多種，各有各招。這個方案最簡單的是建立一個長對短的hashtable，這樣相當於用空間來換空間，同時換取一個設計上的優雅（真正的一對一）。實際情況是有很多性價比高的打折方案可以用，這個方案設計因人而異了。那我就說一下我的方案吧。
我的方案是： 用key- value存儲，保存「最近」生成的長對短的一個對應關係。注意是「最近」，也就是說，我並不保存全量的長對短的關係，而只保存最近的。比如採用一小時過期的機制來實現LRU淘汰。
這樣的話，長轉短的流程變成這樣：
在這個「最近」表中查看一下，看長地址有沒有對應的短地址，有就直接返回，並且將這個key-value對的過期時間再延長成一小時如果沒有，就通過發號器生成一個短地址，並且將這個「最近」表中，過期時間為1小時所以當一個地址被頻繁使用，那麼它會一直在這個key-value表中，總能返回當初生成那個短地址，不會出現重複的問題。如果它使用並不頻繁，那麼長對短的key會過期，LRU機制自動就會淘汰掉它。當然，這不能保證100%的同一個長地址一定能轉出同一個短地址，比如你拿一個生僻的url，每間隔1小時來轉一次，你會得到不同的短地址。但是這真的有關係嗎？3.如何保證發號器的大並發高可用
上面設計看起來有一個單點，那就是發號器。如果做成分布式的，那麼多節點要保持同步加1，多點同時寫入，這個嘛，以CAP理論看，是不可能真正做到的。其實這個問題的解決非常簡單，我們可以退一步考慮，我們是否可以實現兩個發號器，一個發單號，一個發雙號，這樣就變單點為多點了？依次類推，我們可以實現1000個邏輯發號器，分別發尾號為0到999的號。每發一個號，每個發號器加1000，而不是加1。這些發號器獨立工作，互不幹擾即可。而且在實現上，也可以先是邏輯的，真的壓力變大了，再拆分成獨立的物理機器單元。1000個節點，估計對人類來說應該夠用了。如果你真的還想更多，理論上也是可以的。（雪花算法的優化、美團發號算法的實現）
4.具體存儲如何選擇
這個問題就不展開說了，各有各道，主要考察一下對存儲的理解。對緩存原理的理解，和對市面上DB、Cache系統可用性，並發能力，一致性等方面的理解。
5.跳轉用301還是302
這也是一個有意思的話題。首先當然考察一個候選人對301和302的理解。瀏覽器緩存機制的理解。然後是考察他的業務經驗。301是永久重定向，302是臨時重定向。短地址一經生成就不會變化，所以用301是符合http語義的。同時對伺服器壓力也會有一定減少。
但是如果使用了301，我們就無法統計到短地址被點擊的次數了。而這個點擊次數是一個非常有意思的大數據分析數據源。能夠分析出的東西非常非常多。所以選擇302雖然會增加伺服器壓力，但是我想是一個更好的選擇。