面试题：有一个非常长的url，存储在数据库中，如何对其进行快速查找？

问题来源

同事在面字节的时候遇到的。

我的理解

数据库表中，有一个表，是以url为主键来区分数据，但是url很长，如果根据url进行查找，比较耗时，所以需要根据特殊的手段进行优化。

问题答案

方案一

除了存储url字段，还需要新增一个字段，存储url的哈希值，查找时，根据url的哈希值进行查找。

• 可能存在的问题
  会发生哈希碰撞，可以在查找出来之后，在内存中进行二次过滤，进行精确全url的匹配查找，使用url.equals(…)地方式进行精确匹配，过滤出自己想要的那一条或者几条数据。
• 如果url特别长，计算哈希值会消耗比较多的CPU资源。

方案二

• 方案
  额外存储一个字段，url的前缀，存储url字段的前N位，具体可以根据url的特征来判断，比如可以存储前10位或者前20位，或者前30位。
  这种方式会跟存储url的哈希值的方式一样，可能会发生碰撞，但是解决方案也是一样，在数据库中查找出几条数据之后，在内存中进行二次精确过滤。

• 可能存在的问题
  有可能会出现url的前缀都很相似，从数据库中查找出的数据可能会很多，有可能会占用大量的内存。

方案三

• 方案
  额外存储一个字段，url的中缀，存储url字段的N至M位，具体可以根据url的特征来判断，比如可以存储第10位至20位。
  这种方式会跟存储url的哈希值的方式一样，可能会发生碰撞，但是解决方案也是一样，在数据库中查找出几条数据之后，在内存中进行二次精确过滤。

• 可能存在的问题
  可能url的总长度只有15位，所以这种方案可以继续优化，优化为存url长度的三分之一长度开始，到四分之一的长度。
  但是三分之一到四分之一可能会很长，所以可以继续优化为存储三分之一到四分之一，但是最长长度为10.

方案四

-方案
存储url的后缀，存储后10位，如果不足10位，则存储整个url。

• 方案优点
  后缀一般不会发生太大的碰撞。
• 可能得缺点
  但是也有可能会发生碰撞，具体要根据url的特点来决定。

最后的考虑

选择哪种方案，要根据url的特点来考虑。