作者：京东零售郝彦军

什么是短网址？

短网址，是在长度上比较短的网址。简单来说就是帮您把冗长的URL地址缩短成8个字符以内的短网址。

当我们在腾讯、新浪发微博时，有时发很长的网址连接，但由于微博只限制140个字，所以微博就自动把您发的长网址给转换成短网址了。在微博和手机短信提醒等限制字数的地方来使用短网址，的确是一个不错的方案。

短网址通常使用“短域名/短码”的形式，打开短网址网页会直接跳转到长网址页面。例：3.cn/CdEyF2、t.cn/RlB2PdD、dwz.cn/134128 等短网址，分别是由以下短网址服务缩短后的网址京东短网址：http://s.3.cn/，新浪短网址：https://sina.lt/ ，百度短网址：http://dwz.cn/。

短网址服务主要包含功能：生成短网址（长网址缩短）、二维码简化、修改短网址、短网址跳转（访问短网址跳转到长网址）、唤醒APP、短网址统计等。

短网址能解决什么问题？

长网址存在的问题：

1、长网址的长度太长，下面的长网址，共记312个字符，在微博场景中，限制140字符，已无法发布出去。在短信场景中，限制70字符，会产生5条短信费用，被拆分后还无法访问，严重影响用户体验。http://wjorder-http.jd.com/scan/np?encodePrcode=2hP_lwNr&encodeShcode=2-S83&businessSource=1&scanSkuType=2&ec=1&salerId=167916&discountsUrl=%2F%2Fcoupon.m.jd.com%2Fcoupons%2Fshow.action%3FlinkKey%3DAAROH_xIpeffAs_-naABEFoePLd7eC4GJgwsPUkFtDqklu805DO1cEqFyTHVT7fbD12AHD7DElAKgh0pfvQpX-E5PbgwLQ&unionId=1001465750

2、长网址生成的二维码，极其复杂，导致手机扫描识别极其困难，低端手机甚至无法识别，严重影响用户体验。

短网址则完美解决了上述问题：

1、使用短网址服务缩短上面长网址后的短网址（3.cn/1jK-CDAE），仅有13个字符，在微博、短信等场景中发送十分容易，而且简洁清晰，用户体验极好。

2、短网址生成的二维码，极其简洁，非常容易识别，用户体验良好。

京东短网址的业务场景：

京东短网址http://s.3.cn/，是京东唯一的短网址服务平台，已应用到京东体系的各个业务场景中，日均产生1亿条带有3.cn的短消息，点击短网址还可直接唤起对应的APP和小程序。

如下图1-2是来自七鲜、金龙鱼、京东金融、蒙牛、京东等业务的营销消息，下图3-4是唤起七鲜小程序、京东APP、金融APP并跳转至落地页的截图。

图1

图2

图3

图4

京东短网址服务的架构优化：

改造前短网址生成流程图说明：

1、系统首先查询长网址（长链）是否已存在于redis（jimdb）或hbase中，

2、如果长链已存在，则表示该长网址已经生成过，可直接返回查到的短网址，流程结束。

3、如果长链不存在，则使用长网址进行MD5随机算法生成一个长串，并分成3段，转化成62进制短码，拼装成短网址，然后查询短网址（短链）是否存在于redis或hbase中

4、如果短链不存在，则保存长网址到短网址的映射、以及短网址到长网址的映射，到redis或hbase中，返回短网址，流程结束。

5、如果短链已存在，说明随机算法生成的短码发生了冲突碰撞，需要循环回到步骤3，加盐重新生成一个短码，直到生成的短码检测没有冲突后，走到步骤4结束。

从原流程图分析原系统优劣势：

优势：采用随机算法，同一长链在同一账号下始终唯一，适用于长网址大量重复生成的情景，可以在步骤2快速返回，且随机算法遍历难度相对较高。

劣势：外部操作太多，性能影响较大，每次生成短网址涉及的网络请求次数至少8次（2次查redis、2次写redis、2次查hbase、2次写hbase）。

且从上面步骤5可以看出，系统存在一个碰撞循环，随着短码数据量日益增加，碰撞率也会大大增加，每次碰撞都要额外增加1次redis与1次hbase查询，导致性能越来越差。

分析原流程&历史数据，寻找原流程优化点：

1、从原流程可以看出，如果继续采用随机算法，很难进行优化，因此，想到了可以采用自增算法，因为自增不存在碰撞，就不需要进行双向检索存储，能够极大的降低外部请求数。

2、分析历史数据发现，很少存在长网址被大量重复生成的情况，也就是说，可以采用自增算法的单向存储（仅存储短网址到长网址的映射），并不会增加存储量，反而会比随机算法的双向存储（存储短到长的映射，及长到短的映射，即双倍存储）节省存储量。

3、分析历史数据发现，90%超过1个月的短网址都不再有访问量了，同时调研业务也发现，43%用户1个月有效期就够了，46%用户3个月，10%用户1年，极少有用户需要短网址永久有效。

4、分析历史数据发现，生成的数据量很大，日均1亿+，且大多数短网址并不需要永久保存，需要做好清理规划

5、分析历史数据发现，生成量远大于跳转量，跳转服务流程简单仅做查询，优化空间不大，倒是对生成服务性能要求极高，优化重点在于生成服务。

优化后的短码生成流程说明：

1、系统直接采用自增算法生成了一个短码，因为自增算法没有了随机碰撞，也就不需要再检索短网址是否存在redis或hbase中。

2、直接保存短网址到长网址的映射到redis中，因为没有了检索长网址是否存在于redis或hbase，也就不再需要保存长网址到短网址的映射，也就可以把hbase的写入改成异步写入，然后直接返回短网址，流程结束。（可以看到系统仅剩下1次同步的redis操作，流程极大简化，可以预见接口性能将得到极大提升）

自研专利算法介绍

细心的同学可能会有疑问，上面的分布式自增算法是怎么实现的呢？

目前市面上已知方案，1、通过数据库自增（并发QPS数有限）2、通过redis自增（存在单key热点问题，也就是所有的发号请求都会打到同一分片上），两种方案均会增加性能损耗，且存在扩展瓶颈，无法满足京东的海量业务请求。3、雪花算法（长度太长不符合，短网址要求长度一般在7个字符）

因此设计了下面的专利自增算法：（性能近乎于内存，损耗可忽略）

下面介绍一下核心的自增算法原理：主要采用缓存发号加内存自增方式，既无碰撞率又性能极高，主要体现在下图的三条彩色通道上面。

1、绿色通道：内存发号，速度极快，每次从缓存取出10000个无重复号码，然后在内存中便可连续生成10000个短码，因此速度比传统基于数据库及缓存自增发号方式快万倍。

2、蓝色通道：缓存取号，依赖缓存保证分布式发号无碰撞，批量发号，每1万次内存绿色通道才走一次蓝色缓存通道取号，因此性能极高

3、红色通道：保障机制，保障生成的号码都在短网址对应长度的号码总容量范围内，仅在初始化及总容量用尽时执行，性能损耗可忽略不计。

长度&有效期规划：

• 有访问会自动延期N天（7位短码总容量3万亿，过期时间30天，每天有1000亿短码可用，30天内有1次访问就会重置30天有效期，也就是说保持“热数据”始终在redis中）

• 连续N天无访问自动回收（7位短码，连续30天没有访问的情况下，才会过期回收，也就是说“冷数据”无访问N天后会自动过期清理回收）

以下统计了最近6天的各短码长度的使用分布占比情况，目前使用最多的是7位与8位短码，占比总和近90%。其中43%的用户选择了30天有效期，46%的用户选择来了100天有效期。

提效成果：

Ø 接口性能极大提升：tp999：从150+ms ->7ms，解决了业务调用缓慢及超时的痛点

Ø 单机承载量极大提升：单机QPS：从497->10184，提升了20倍+，无扩容支撑了日生成量：从1千万->2亿+

Ø 按百度短网址费用核算，1年可节约2700万元（证明短网址产生价值很大

Ø redis缓存30天热数据，缓存量 1.2TB

Ø Hbase存储全量数据，存储量 4TB

Ø 6月18日生成量4.7亿、6月日均1亿、峰值QPS 7.2万

Ø 6月1日跳转量1600万、6月日均800万

Ø 线上仅8台4核docker（优化后日常节约了760核机器，618节约3572核）

Ø 有访问自动延期，无访问自动过期回收，避免了死码长期占用资源消耗费用，避免短码越积越多导致的数据量太大及性能下降，系统可长期稳定运行

创新性：

Ø 产出技术发明专利1篇，编号：JDZL2019N5022

Ø 技术关键点是分布式无碰撞高效短码生成算法：

Ø 该算法利用redis的incrby实现分布式号段发放（5位短码每次发放1000个号，当然6、7位短码可设置更大步长值10000个），利用本机原子id自增减少redis请求（每10000个id自增后请求1次redis），因为id始终自增所以短码无碰撞概率（id可以直接转化为62进制短码），避免了因短码碰撞带来的循环生成检索的性能开销。利用redis.set原子检测key不存在时才能设置成功实现分布式加锁，解决多线程并发重置问题，最终实现比传统自增方案快万倍的高性能无碰撞短码自增算法。

Ø 利用容量规划及过期时间机制（5位短码总容量9亿，有效期10天，每天有9千万可用），实现号段循环重复利用（10天后第1天的号段过期，可以再次使用）（当然如果是6位短码、总容量有550亿，有效期也可以更长。7位短码总容量3万亿，基本可以不用过期了），保障了系统的长期稳定运行。