微博缩短网址的实现

　　随着类似Twitter的微型博客网站的出现，由于字符数的限制，网址缩短服务日渐增多。加上网址缩短服务提供商提供网址追踪等服务，这一业务日渐兴起。知名网址缩短服务商Bit.ly的主要业务便是为微博Twitter提供网址缩短服务。 比如sina微博的sinaurl.cn，腾讯微博的url.cn等。

 

　　实现原理很简单，主要是将用户提交的 url 地址转化成一个唯一的字串，这个字串就对应着真实的 url，怎么样实现这种转换呢？

 

　　url 的转换摘自：http://www.cnblogs.com/sunli/archive/2010/03/25/1696183.html

 

　　数据库只有两个字段seq（自增长数字）和url（数字的url地址，建立索引）。

 

　　用户输入一个url地址，查询表是否包含此url，如果存在，则返回seq的数字，如果不存在，则插入数据库，得到一个新增加的自增seq数字，为了缩短数字占用的字符数，我们可以把abc等字母的大小写用上。这样10个数字，26个小写字母，26个大小字母就组成了一个62进制了。比如数字10000000000（100亿）转换后就是aUKYOA，只有6位了，这样就能缩短很多的网址了。

 

<?php
//十进制转到其他制
function dec2any($num, $base=62, $index=false)
{
  if (!$base)
  {
    $base = strlen($index);
  }
  elseif(!$index) 
  {
    $index = substr("0123456789abcdefghijklmnopqrstuvwxyz
    ABCDEFGHIJKLMNOPQRSTUVWXYZ", 0, $base );
  }
  $out = "";
  for ($t = floor(log10($num) / log10($base )); $t >= 0; $t-- ) 
  {
    $a = floor( $num / pow( $base, $t ) );
    $out = $out . substr( $index, $a, 1 );
    $num = $num - ( $a * pow( $base, $t ) );
  }
  return $out;
}

function any2dec($num, $base=62, $index=false)
{ 
  if (!$base)
  {
    $base = strlen( $index );
  }
  elseif(!$index)
  {
    $index = substr("0123456789abcdefghijklmnopqrstuvwxyz
    ABCDEFGHIJKLMNOPQRSTUVWXYZ", 0, $base);
  }
  $out = 0;
  $len = strlen($num) - 1;
  for ($t = 0; $t <= $len; $t++)
  {
    $out = $out + strpos($index, substr($num, $t, 1 )) * pow($base, $len - $t);
  }
  return $out;
}
?>

 

　　得到缩短的网址以后，怎样实现网址的转发呢？可以利用 ttserver，将缩短网缩字串当作key，真实的 url 地址当作 value，存入ttserver中。ttserver本身就提供 http 访问，只需要稍加修改就可以直接利用 ttserver 进行缩短网址的转发：

　　在 ttserver 源码目录下找到 ttserver.c 这个文件，这里我用的是 tokyotyrant-1.1.39 ，跳到第 2981 行，将下面的几行改成图中所示：

　　保存退出，编译安装 ttserver，网上有很多安装教程，可以参考。

 

　　启动 ttserver，并向里面写入一条 key 为 aaaaaa，value为 http://www.baidu.com 的值。

curl -X PUT http://127.0.0.10:11221/aaaaaa -d "http://www.baidu.com"

 

　　主要目的是用 http 访问 ttserver 时直接取得到真实的 url 并做转发。这样做很方便，但不安全，ttserver 的 http 还支持删除、修改、插入数据（当然也可以修改 ttserver 的 http 访问入口，屏蔽掉这几种操作）。负载均衡方面，可以通过添加多条 A 记录随机转发到不同的 ttserver 机器上，但这样每台机器上存放的数据必须相同，网上也有说过ttserver  存过千万左右的数据以后不太稳定。

　　利用 nginx 就能很好解决直接用 ttserver 的问题，用 nginx 过滤掉 http 访问 ttserver 的删除、修改、插入的操作，并为多台 ttserver 提供反向代理的功能。如下图所示：

　　安装 nginx，我这里采用的是 nginx-0.8.36.tar.gz。安装 nginx 请参考：http://blog.s135.com/nginx_php_v6。

　　打开 nginx.conf 配置文件：

#user  nobody;

#启动 8 个 nginx 进程
worker_processes  8;

#error_log  logs/error.log;
#error_log  logs/error.log  notice;
#error_log  logs/error.log  info;

#pid        logs/nginx.pid;

events {
    # 用 epoll，最大连接数
    use epoll;
    worker_connections 65535;
}

http {
    include       mime.types;
    default_type  application/octet-stream;

    #log_format  main  '$remote_addr - $remote_user [$time_local] "$request" '
    #                  '$status $body_bytes_sent "$http_referer" '
    #                  '"$http_user_agent" "$http_x_forwarded_for"';

    #access_log  logs/access.log  main;

    sendfile        on;
    #tcp_nopush     on;

    # 由于只做转发，将超时时间设为 0
    keepalive_timeout  0;

    #gzip  on;
    # 反向代理 ttserver 1 号机，这里我放在一台机器上开了三个不同端口
    upstream backend_1 {
        server 127.0.0.10:11221 weight=5 max_fails=3 fail_timeout=1s;
    }
    # 反向代理 ttserver 2 号机
    upstream backend_2 {
        server 127.0.0.10:11221 weight=5 max_fails=3 fail_timeout=1s;
    }
    # 反向代理 ttserver 3 号机
    upstream backend_3 {
        server 127.0.0.10:11221 weight=5 max_fails=3 fail_timeout=1s;
    }

    server {
        listen       80;
        server_name  url.cn;

        #charset koi8-r;

        #access_log  logs/host.access.log  main;
        #当路径包含/count的时候，则代理到ttserver后端进行请求数据。
	#请注意，这里屏蔽了PUT,DELETE,POST方法，只是使用了GET，主要目的是为了安全性，
    #因为DELETE,POST,PUT是可以修改数据的
	location ~* /count(.*) {
	    if ($request_method = PUT ) {
	        return 403;
	    }
	    if ($request_method = DELETE ) {
	        return 403;
	    }
	    if ($request_method = POST ) {
	        return 403;
	    }
	    proxy_method GET;
	}
        #将以 a-z 为第一个字符的 url 代理到 ttserver 1 号机
	location ~* "^/([a-z]{1})([a-zA-Z0-9]{5})" {
	    proxy_pass http://backend_1;
	}
        #将以 A-Z 为第一个字符的 url 代理到 ttserver 2 号机
	location ~* "^/([A-Z]{1})([a-zA-Z0-9]{5})" {
	    proxy_pass http://backend_2;
	}
        #将以 0-9 为第一个字符的 url 代理到 ttserver 3 号机
	location ~* "^/([0-9]{1})([a-zA-Z0-9]{5})" {
	    proxy_pass http://backend_3;
	}

        #error_page  404              /404.html;

        # redirect server error pages to the static page /50x.html
        #
        error_page   500 502 503 504  /50x.html;
        location = /50x.html {
            root   html;
        }
    }
}

 

　　保存 nginx.conf 退出，现在就可以启动 ttserver了，我这里做演示，为了方便就在一台机器的三个端口启动了三个 ttserver。如图：

　　这里用 /ttserver/url_1 存放 ttserver 1号机的数据，依此类推，分别在 11222、11223启动 ttserver。

　　接着启动 nginx：

ulimit -SHn 65535
/usr/local/nginx/sbin/nginx

 

　　接着在服务器上用下面的命令插入测试数据：

curl -X PUT http://127.0.0.10:11221/aaaaaa -d "http://www.baidu.com"
curl -X PUT http://127.0.0.10:11222/Aaaaaa -d "http://www.soso.com"
curl -X PUT http://127.0.0.10:11223/1aaaaa -d "http://www.qq.com"

 　　配置你机器的 hosts 指向 nginx 服务器：

127.0.0.10    url.cn

 

　　现在我们就可以打开浏览器，输入 http://url.cn/aaaaaa 就可以跳转到 baidu 上了，http://url.cn/Aaaaaa 就可以跳转到 soso 了，http://url.cn/1aaaaa 就可以跳转到 qq 上。至此配置完成，nginx只做转发工作，应付大规模的访问应该没什么问题，这也正是 nginx 所擅长的。ttserver 数据的取值操作也是很快的，在后面可以多开几台 ttserver，分散大量访问时的负载。

　　前台程序根据用户提交的 url 生成短的 url 后，根据前面的 nginx 分发规则写到某一台 ttserver 中，就可以了。nginx还支持一直 url hash 的均衡，但需要安装一个第三方模块ngx_http_upstream_hash_module，具体可以参考：http://blog.sina.com.cn/s/blog_5426e0180100dwsp.html

 

by xhttp.cn http://www.xhttp.cn/2010/07/22

方法不错，你如何考虑短地址的数据统计部分

钓鱼怎么办？  算法简单， 但是安全工作很多。

安全是个严重的问题呀。

安全确实是个问题，这个我没有什么好的解决办法。

计数的话直接用 ttserver 里修改一下就可以记录了

http://www.sayhandbags.com/ab/ab.php

没想到缩略网址做的这么复杂