如何把一个 100 字符的长 URL 缩短成 6 位短码？本文拆解短链接系统的底层逻辑：从 Base62 算法到分布式 ID 生成器，从 302 重定向策略到布隆过滤器防穿透。带你掌握支撑千亿级跳转的架构方案，文末附面试满分模板。

写在开头

前两天有个兄弟跟我复盘字节跳动二面，他被问到一个经典的系统设计题：

“我们要设计一个像 t.cn 或 dwz.cn 这样的短链接系统，每天要处理亿级的新增和跳转，你怎么设计？”

这哥们想都没想：“简单啊！把长链接拿去做个 MD5，取前 6 位当短码，存到数据库里。查询的时候根据短码查出长链接，直接跳转不就行了？”

面试官推了推眼镜，连发三问：

1. “MD5 必然会有哈希碰撞，100 亿数据下两个不同长链生成了同一个短码，你让用户跳哪去？”
2. “为了性能你肯定要加缓存，但如果有人恶意攻击，不停访问不存在的短码，你的数据库瞬间就会被打挂，怎么防？”
3. “HTTP 状态码你选 301 还是 302？如果选错了，你的运营数据统计（点击量、来源）全得报废，你知道为什么吗？”

他当场宕机。

其实，这道题考的是“高并发系统的唯一性保证与全链路优化”。今天 Fox 带你拆解短链接系统的 3 种架构境界。

一、 核心博弈：HTTP 301 还是 302？

这是面试官考察你对业务理解的第一关。

• 301 (Permanent Redirect)： 永久重定向。浏览器会缓存跳转关系，下次访问直接跳，不经过你的服务器。
  • 优点： 节省服务器压力。
  • 致命缺点：****你拿不到点击数据了！ 作为短链接服务，核心价值就是统计点击量、设备信息、地区等。一旦 301，你的后台统计全是 0。
• 302 (Temporary Redirect)： 临时重定向。每次访问都会经过短链接服务器。
  • 优点： 完美统计每一次点击，进行数据分析。

Fox 的结论： 除非服务器快崩了要保命，否则必须选 302。数据才是短链接系统的灵魂。

二、 算法之争：怎么生成那 6 位短码？

100 亿数据量，短码长度多少才够？

我们通常使用 Base62 编码（a-z, A-Z, 0-9）。

如果是 6 位短码，总容量是 亿；如果是 7 位，则是 万亿。对于 100 亿数据，6 位足矣。

境界 1：哈希算法（会有碰撞）

像 MD5 或 MurmurHash。

• 痛点： 既然是哈希，就一定有碰撞。虽然几率小，但 100 亿量级下，碰撞是必然。
• 补救： 发现碰撞后，在长链后面拼个随机字符串再重新哈希。但这会多出一次 DB 查询，性能受损。

境界 2：自增序列法（主流解法）

不搞哈希，直接给每个长链接分配一个唯一 ID。

1. 第一个长链 ID 是 1，第二个是 2...
2. 将 ID 转为 Base62 编码。比如 ID 100,000,000 转出来可能就是 6LAze。

• 优点： 绝对唯一，永不重复。
• 挑战：分布式 ID 的生成速度。

三、 架构实现：如何支撑千亿级数据？

1. 分布式 ID 生成器（发号器）

单机自增肯定不行。我们可以采用类似美团 Leaf 或推特 Snowflake 的方案：

• 号段模式： 每次从数据库批量申请 10000 个 ID 缓存在内存里，用完再去申请。
• 优势： 避免频繁请求数据库，支撑每秒万级以上的新增请求。

2. 读写分离与缓存策略

• 写： 发号器生成短码 -> 存入数据库 -> 存入 Redis。
• 读： 先查 Redis。短链接一旦生成就不会变，缓存命中率极高。
• 布隆过滤器（Bloom Filter）： 在访问 Redis 之前，先过一层布隆过滤器。如果布隆过滤器说这个短码不存在，直接拦截，防止缓存穿透打挂数据库。

3. 如何应对热点 Key？

比如某个大 V 发了一条微博，短链接瞬间被点爆。

• 方案： 开启 Redis 的 Local Cache（二级缓存）。在本地 Tomcat 内存中缓存极热点的短链接，连网络 I/O 都省了。

四、 面试标准答案模板（直接背诵）

“针对短链接系统设计，我的核心思路是‘发号器机制 + Base62 编码 + 多级缓存策略’：

1. 状态码选择： 采用 HTTP 302，确保每一笔点击流量都能经过后台，实现精确的业务数据统计。
2. 生成逻辑： 舍弃有碰撞风险的哈希算法，采用分布式号段模式生成唯一自增 ID。将 ID 进行 Base62 编码，6 位短码即可支撑 568 亿数据量。
3. 查询性能： 采用 Redis 缓存所有短码映射，由于短链接具有‘只读’属性，缓存命中率非常高。
4. 系统安全： 在接入层部署 布隆过滤器，拦截恶意构造的非法短码请求，保护后端数据库不被穿透。
5. 存储扩展： 针对百亿级数据，对数据库进行分库分表（按短码哈希分片），并配合 CDN 加速静态资源的访问。”

写在最后

技术面试考的从来不是你会不会用 MD5，而是你对数据碰撞、存储成本、以及全链路稳定性的掌控力。

能把一个简单的 a=b 问题，拆解成分布式 ID、缓存穿透防御、以及 HTTP 协议深度运用的系统方案，这才是架构师的功底。