项目中有一处需求，需要把长网址缩为短网址，把结果通过短信、微信等渠道推送给客户。刚开始直接使用网上现成的开放服务，然后在某个周末突然手痒想自己动手实现一个别具特色的长网址（文本）缩短服务。
由于以前做过socket服务，对数据包的封装排列还有些印象，因此，短网址服务我第一反应是先设计数据的存储格式，我这里没有采用数据库，而是使用2个文件来实现：
Url.db存储用户提交的长网址文本，Url.idx 存储数据索引，记录每次提交数据的位置（Begin）与长度（Length），还有一些附带信息（Hits，DateTime）。由于每次添加长网址，对两个文件都是进行Append操作，因此即使这两个文件体积很大（比如若干GB），也没有太大的IO压力。
再看看Url.idx文件的结构，ID是主键，设为Int64类型，转换为字节数组后的长度为8，紧跟的是Begin，该值是把长网址数据续写到Url.db文件之前，Url.db文件的长度，同样设为Int64类型。长网址的字符串长度有限，Int16足够使用了，Int16.MaxValue==65536，比Url规范定义的4Kb长度还大，Int16转换为字节数组后长度为2字节。Hits表示短网址的解析次数，设为Int32，字节长度为4，DateTime 设为Int64，长度8。由于ID不会像数据库那样自动递增，因此需要手工实现。因此在开始写入Url.idx前，需要预先读取最后一行（行是虚的，其实就是最后30字节）中的的ID值，递增后才开始写入新的一行。
也就是说每次提交一个长网址，不管数据有多长（最大不能超过65536字节），Url.idx 文件都固定增加 30 字节。
数据结构一旦明确下来，整个网址缩短服务就变得简单明了。例如连续两次提交长网址，可能得到的短网址为http://域名/1000，与http://域名/1001，结果显然很丑陋，域名后面的ID全是数字，而且递增关系明显，很容易暴力枚举全部的数据。而且10进制的数字容量有限，一次提交100万条的长网址，产生的短网址越来越长，失去意义。
因此下面就开始对ID进行改造，改造的目标有2：
1、增加混淆机制，相邻两个ID表面上看不出区别。
2、增加容量，一次性提交100万条长网址，ID的长度不能有明显变化。
最简单最直接的混淆机制，就是把10进制转换为62进制（0-9a-zA-Z），由于顺序的abcdef...也很容易猜到下一个ID，因此62进制字符序列随机排列一次：
1 /// <summary> 2 /// 生成随机的0-9a-zA-Z字符串 3 /// </summary> 4 /// <returns></returns> 5 public static string GenerateKeys() 6 { 7 string[] Chars = "0,1,2,3,4,5,6,7,8,9,A,B,C,D,E,F,G,H,I,J,K,L,M,N,O,P,Q,R,S,T,U,V,W,X,Y,Z,a,b,c,d,e,f,g,h,i,j,k,l,m,n,o,p,q,r,s,t,u,v,w,x,y,z".Split(','); 8 int SeekSeek = unchecked((int)DateTime.Now.Ticks); 9 Random SeekRand = new Random(SeekSeek); 10 for (int i = 0; i < 100000; i++) 11 { 12 int r = SeekRand.Next(1, Chars.Length); 13 string f = Chars[0]; 14 Chars[0] = Chars[r - 1]; 15 Chars[r - 1] = f; 16 } 17 return string.Join("", Chars); 18 }
运行一次上面的方法，得到随机序列：
string Seq = "s9LFkgy5RovixI1aOf8UhdY3r4DMplQZJXPqebE0WSjBn7wVzmN2Gc6THCAKut";
用这个序列字符串替代0123456789abcdefghijklmnopqrstuvwxyzABCDEFGHIJKLMNOPQRSTUVWXYZ，具有很强的混淆特性。一个10进制的数字按上面的序列转换为62进制，将变得面目全非，附转换方法：
1 /// <summary> 2 /// 10进制转换为62进制 3 /// </summary> 4 /// <param name="id"></param> 5 /// <returns></returns> 6 private static string Convert(long id) 7 { 8 if (id < 62) 9 { 10 return Seq[(int)id].ToString(); 11 } 12 int y = (int)(id % 62); 13 long x = (long)(id / 62); 14 15 return Convert(x) + Seq[y]; 16 } 17 18 /// <summary> 19 /// 将62进制转为10进制 20 /// </summary> 21 /// <param name="Num"></param> 22 /// <returns></returns> 23 private static long Convert(string Num) 24 { 25 long v = 0; 26 int Len = Num.Length; 27 for (int i = Len - 1; i >= 0; i--) 28 { 29 int t = Seq.IndexOf(Num[i]); 30 double s = (Len - i) - 1; 31 long m = (long)(Math.Pow(62, s) * t); 32 v += m; 33 } 34 return v; 35 }
例如执行 Convert(123456789) 得到 RYswX，执行 Convert(123456790) 得到 RYswP。
如果通过分析大量的连续数值，还是可以暴力算出上面的Seq序列值，进而猜测到某个ID左右两边的数值。下面进一步强化混淆，ID每次递增的单位不是固定的1，而是一个随机值，比如1000,1005,1013,1014,1020，毫无规律可言。
private static Int16 GetRnd(Random seekRand) { Int16 s = (Int16)seekRand.Next(1, 11); return s; }
即使把62进制的值逆向计算出10进制的ID值，也难于猜测到左右两边的值，大大增加暴力枚举的难度。难度虽然增加，但是连续产生的2个62进制值如前面的RyswX与RyswP，仅个位数不同，还是很像，因此我们再进行第三次简单的混淆，把62进制字符向左（右）旋转一定次数（解析时反向旋转同样的次数）：
1 /// <summary> 2 /// 混淆id为字符串 3 /// </summary> 4 /// <param name="id"></param> 5 /// <returns></returns> 6 private static string Mixup(long id) 7 { 8 string Key = Convert(id); 9 int s = 0; 10 foreach (char c in Key) 11 { 12 s += (int)c; 13 } 14 int Len = Key.Length; 15 int x = (s % Len); 16 char[] arr = Key.ToCharArray(); 17 char[] newarr = new char[arr.Length]; 18 Array.Copy(arr, x, newarr, 0, Len - x); 19 Array.Copy(arr, 0, newarr, Len - x, x); 20 string NewKey = ""; 21 foreach (char c in newarr) 22 { 23 NewKey += c; 24 } 25 return NewKey; 26 } 27 28 /// <summary> 29 /// 解开混淆字符串 30 /// </summary> 31 /// <param name="Key"></param> 32 /// <returns></returns> 33 private static long UnMixup(string Key) 34 { 35 int s = 0; 36 foreach (char c in Key) 37 { 38 s += (int)c; 39 } 40 int Len = Key.Length; 41 int x = (s % Len); 42 x = Len - x; 43 char[] arr = Key.ToCharArray(); 44 char[] newarr = new char[arr.Length]; 45 Array.Copy(arr, x, newarr, 0, Len - x); 46 Array.Copy(arr, 0, newarr, Len - x, x); 47 string NewKey = ""; 48 foreach (char c in newarr) 49 { 50 NewKey += c; 51 } 52 return Convert(NewKey); 53 }
执行 Mixup(123456789)得到wXRYs，假如随机递增值为7，则下一条记录的ID执行 Mixup(123456796)得到swWRY，肉眼上很难再联想到这两个ID值是相邻的。
以上讲述了数据结构与ID的混淆机制，下面讲述的是短网址的解析机制。
得到了短网址，如wXRYs，我们可以通过上面提供的UnMixup()方法，逆向计算出ID值，由于ID不是递增步长为1的数字，因此不能根据ID马上计算出记录在索引文件中的位置（如：ID * 30）。由于ID是按小到大的顺序排列，因此在索引文件中定位ID，非二分查找法莫属。
1 //二分法查找的核心代码片段 2 FileStream Index = new FileStream(IndexFile, FileMode.OpenOrCreate, FileAccess.ReadWrite); 3 long Id =;//解析短网址得到的真实ID 4 long Left = 0; 5 long Right = (long)(Index.Length / 30) - 1; 6 long Middle = -1; 7 while (Left <= Right) 8 { 9 Middle = (long)(Math.Floor((double)((Right + Left) / 2))); 10 if (Middle < 0) break; 11 Index.Position = Middle * 30; 12 Index.Read(buff, 0, 8); 13 long val = BitConverter.ToInt64(buff, 0); 14 if (val == Id) break; 15 if (val < Id) 16 { 17 Left = Middle + 1; 18 } 19 else 20 { 21 Right = Middle - 1; 22 } 23 } 24 25 Index.Close();
二分法查找的核心是不断移动指针，读取中间的8字节，转换为数字后再与目标ID比较的过程。这是一个非常高速的算法，如果有接近43亿条短网址记录，查找某一个ID，最多只需要移动32次指针（上面的while循环32次）就能找到结果，因为2^32=4294967296。
用二分法查找是因为前面使用了随机递增步长，如果递增步长设为1，则二分法可免，直接从 ID*30 就能一次性精准定位到索引文件中的位置。
下面是完整的代码，封装了一个ShortenUrl类：
1 using System; 2 using System.Linq; 3 using System.Web; 4 using System.IO; 5 using System.Text; 6 7 /// <summary> 8 /// ShortenUrl 的摘要说明 9 /// </summary> 10 public class ShortenUrl 11 { 12 const string Seq = "s9LFkgy5RovixI1aOf8UhdY3r4DMplQZJXPqebE0WSjBn7wVzmN2Gc6THCAKut"; 13 14 private static string DataFile 15 { 16 get { return HttpContext.Current.Server.MapPath("/Url.db"); } 17 } 18 19 private static string IndexFile 20 { 21 get { return HttpContext.Current.Server.MapPath("/Url.idx"); } 22 } 23 24 /// <summary> 25 /// 批量添加网址，按顺序返回Key。如果输入的一组网址中有不合法的元素，则返回数组的相同位置（下标）的元素将为null。 26 /// </summary> 27 /// <param name="Url"></param> 28 /// <returns></returns> 29 public static string[] AddUrl(string[] Url) 30 { 31 FileStream Index = new FileStream(IndexFile, FileMode.OpenOrCreate, FileAccess.ReadWrite); 32 FileStream Data = new FileStream(DataFile, FileMode.Append, FileAccess.Write); 33 Data.Position = Data.Length; 34 DateTime Now = DateTime.Now; 35 byte[] dt = BitConverter.GetBytes(Now.ToBinary()); 36 int _Hits = 0; 37 byte[] Hits = BitConverter.GetBytes(_Hits); 38 string[] ResultKey = new string[Url.Length]; 39 int seekSeek = unchecked((int)Now.Ticks); 40 Random seekRand = new Random(seekSeek); 41 string Host = HttpContext.Current.Request.Url.Host.ToLower(); 42 byte[] Status = BitConverter.GetBytes(true); 43 //index: ID(8) + Begin(8) + Length(2) + Hits(4) + DateTime(8) = 30 44 for (int i = 0; i < Url.Length && i<1000; i++) 45 { 46 if (Url[i].ToLower().Contains(Host) || Url[i].Length ==0 || Url[i].Length > 4096) continue; 47 long Begin = Data.Position; 48 byte[] UrlData = Encoding.UTF8.GetBytes(Url[i]); 49 Data.Write(UrlData, 0, UrlData.Length); 50 byte[] buff = new byte[8]; 51 long Last; 52 if (Index.Length >= 30) //读取上一条记录的ID 53 { 54 Index.Position = Index.Length - 30; 55 Index.Read(buff, 0, 8); 56 Index.Position += 22; 57 Last = BitConverter.ToInt64(buff, 0); 58 } 59 else 60 { 61 Last = 1000000; //起步ID，如果太小，生成的短网址会太短。 62 Index.Position = 0; 63 } 64 long RandKey = Last + (long)GetRnd(seekRand); 65 byte[] BeginData = BitConverter.GetBytes(Begin); 66 byte[] LengthData = BitConverter.GetBytes((Int16)(UrlData.Length)); 67 byte[] RandKeyData = BitConverter.GetBytes(RandKey); 68 69 Index.Write(RandKeyData, 0, 8); 70 Index.Write(BeginData, 0, 8); 71 Index.Write(LengthData, 0, 2); 72 Index.Write(Hits, 0, Hits.Length); 73 Index.Write(dt, 0, dt.Length); 74 ResultKey[i] = Mixup(RandKey); 75 } 76 Data.Close(); 77 Index.Close(); 78 return ResultKey; 79 } 80 81 /// <summary> 82 /// 按顺序批量解析Key，返回一组长网址。 83 /// </summary> 84 /// <param name="Key"></param> 85 /// <returns></returns> 86 public static string[] ParseUrl(string[] Key) 87 { 88 FileStream Index = new FileStream(IndexFile, FileMode.OpenOrCreate, FileAccess.ReadWrite); 89 FileStream Data = new FileStream(DataFile, FileMode.Open, FileAccess.Read); 90 byte[] buff = new byte[8]; 91 long[] Ids = Key.Select(n => UnMixup(n)).ToArray(); 92 string[] Result = new string[Ids.Length]; 93 long _Right = (long)(Index.Length / 30) - 1; 94 for (int j = 0; j < Ids.Length; j++) 95 { 96 long Id = Ids[j]; 97 long Left = 0; 98 long Right = _Right; 99 long Middle = -1; 100 while (Left <= Right) 101 { 102 Middle = (long)(Math.Floor((double)((Right + Left) / 2))); 103 if (Middle < 0) break; 104 Index.Position = Middle * 30; 105 Index.Read(buff, 0, 8); 106 long val = BitConverter.ToInt64(buff, 0); 107 if (val == Id) break; 108 if (val < Id) 109 { 110 Left = Middle + 1; 111 } 112 else 113 { 114 Right = Middle - 1; 115 } 116 } 117 string Url = null; 118 if (Middle != -1) 119 { 120 Index.Position = Middle * 30 + 8; //跳过ID 121 Index.Read(buff, 0, buff.Length); 122 long Begin = BitConverter.ToInt64(buff, 0); 123 Index.Read(buff, 0, buff.Length); 124 Int16 Length = BitConverter.ToInt16(buff, 0); 125 byte[] UrlTxt = new byte[Length]; 126 Data.Position = Begin; 127 Data.Read(UrlTxt, 0, UrlTxt.Length); 128 int Hits = BitConverter.ToInt32(buff, 2);//跳过2字节的Length 129 byte[] NewHits = BitConverter.GetBytes(Hits + 1);//解析次数递增, 4字节 130 Index.Position -= 6;//指针撤回到Length之后 131 Index.Write(NewHits, 0, NewHits.Length);//覆盖老的Hits 132 Url = Encoding.UTF8.GetString(UrlTxt); 133 } 134 Result[j] = Url; 135 } 136 Data.Close(); 137 Index.Close(); 138 return Result; 139 } 140 141 /// <summary> 142 /// 混淆id为字符串 143 /// </summary> 144 /// <param name="id"></param> 145 /// <returns></returns> 146 private static string Mixup(long id) 147 { 148 string Key = Convert(id); 149 int s = 0; 150 foreach (char c in Key) 151 { 152 s += (int)c; 153 } 154 int Len = Key.Length; 155 int x = (s % Len); 156 char[] arr = Key.ToCharArray(); 157 char[] newarr = new char[arr.Length]; 158 Array.Copy(arr, x, newarr, 0, Len - x); 159 Array.Copy(arr, 0, newarr, Len - x, x); 160 string NewKey = ""; 161 foreach (char c in newarr) 162 { 163 NewKey += c; 164 } 165 return NewKey; 166 } 167 168 /// <summary> 169 /// 解开混淆字符串 170 /// </summary> 171 /// <param name="Key"></param> 172 /// <returns></returns> 173 private static long UnMixup(string Key) 174 { 175 int s = 0; 176 foreach (char c in Key) 177 { 178 s += (int)c; 179 } 180 int Len = Key.Length; 181 int x = (s % Len); 182 x = Len - x; 183 char[] arr = Key.ToCharArray(); 184 char[] newarr = new char[arr.Length]; 185 Array.Copy(arr, x, newarr, 0, Len - x); 186 Array.Copy(arr, 0, newarr, Len - x, x); 187 string NewKey = ""; 188 foreach (char c in newarr) 189 { 190 NewKey += c; 191 } 192 return Convert(NewKey); 193 } 194 195 /// <summary> 196 /// 10进制转换为62进制 197 /// </summary> 198 /// <param name="id"></param> 199 /// <returns></returns> 200 private static string Convert(long id) 201 { 202 if (id < 62) 203 { 204 return Seq[(int)id].ToString(); 205 } 206 int y = (int)(id % 62); 207 long x = (long)(id / 62); 208 209 return Convert(x) + Seq[y]; 210 } 211 212 /// <summary> 213 /// 将62进制转为10进制 214 /// </summary> 215 /// <param name="Num"></param> 216 /// <returns></returns> 217 private static long Convert(string Num) 218 { 219 long v = 0; 220 int Len = Num.Length; 221 for (int i = Len - 1; i >= 0; i--) 222 { 223 int t = Seq.IndexOf(Num[i]); 224 double s = (Len - i) - 1; 225 long m = (long)(Math.Pow(62, s) * t); 226 v += m; 227 } 228 return v; 229 } 230 231 /// <summary> 232 /// 生成随机的0-9a-zA-Z字符串 233 /// </summary> 234 /// <returns></returns> 235 public static string GenerateKeys() 236 { 237 string[] Chars = "0,1,2,3,4,5,6,7,8,9,A,B,C,D,E,F,G,H,I,J,K,L,M,N,O,P,Q,R,S,T,U,V,W,X,Y,Z,a,b,c,d,e,f,g,h,i,j,k,l,m,n,o,p,q,r,s,t,u,v,w,x,y,z".Split(','); 238 int SeekSeek = unchecked((int)DateTime.Now.Ticks); 239 Random SeekRand = new Random(SeekSeek); 240 for (int i = 0; i < 100000; i++) 241 { 242 int r = SeekRand.Next(1, Chars.Length); 243 string f = Chars[0]; 244 Chars[0] = Chars[r - 1]; 245 Chars[r - 1] = f; 246 } 247 return string.Join("", Chars); 248 } 249 250 /// <summary> 251 /// 返回随机递增步长 252 /// </summary> 253 /// <param name="SeekRand"></param> 254 /// <returns></returns> 255 private static Int16 GetRnd(Random SeekRand) 256 { 257 Int16 Step = (Int16)SeekRand.Next(1, 11); 258 return Step; 259 } 260 }
本方案的优点：
把10进制的ID转换为62进制的字符，6位数的62进制字符容量为 62^6约为568亿，如果每次随机递增值为1~10（取平均值为5），6位字符的容量仍然能容纳113.6亿条！这个数据已经远远大于一般的数据库承受能力。由于每次提交长网址采用Append方式写入，因此写入性能也不会差。在解析短网址时由于采用二分法查找，仅移动文件指针与读取8字节的缓存，性能上依然非常优秀。
缺点：在高并发的情况下，可能会出现文件打开失败等IO异常，如果改用单线程的Node.js来实现，或许可以杜绝这种情况。
广告一下，短网址实际应用案例：http://urlj.cn，开放API，生成二维码，可以在微信上面玩。
扫一扫
863
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
