快短链开发日志（1）：百万级低冲突无规律短链接生成算法

在短链接系统开发中，短码生成是核心环节 —— 既要保证唯一性（低冲突），又要保证不可预测性（防止被遍历），还要兼顾生成效率。本文将拆解我为「快短链」开发的短码生成核心算法，该算法能在生成 1000 万条短码时保持极低重复率，同时通过多重混淆彻底打散短码特征。

一、核心设计目标

开发这个算法时，我设定了三个核心目标：

1. 低冲突：6 位短码理论上有 62⁶≈568 亿种组合，需保证实际生成中重复率趋近于 0；

2. 低相似度：连续生成的短码无规律，无法通过短码反推生成顺序或原始链接；

3. 高性能：单条短码生成耗时 < 1ms，支持高并发场景。

二、算法核心原理

整个算法采用「唯一标识 + 多重混淆 + 62 进制转换 + 随机混合」的四层架构，核心流程如下：

1. 基础准备：自定义乱序字符集

62 进制是短码的基础，但默认顺序（0-9a-zA-Z）容易被猜测，因此我使用了高度混乱的字符集：

// 无规律打乱的62进制字符集（生产环境可再随机调整）
private static final String CHARSET = "H5tLvJw9sXq4hRzYbGcDp7nMkZfA3iU1oP6lKjT8uV2eC0QdNxWrFmSgIyB";

字符集的乱序是「不可预测性」的第一道防线，避免短码出现连续数字 / 字母的规律。

2. 唯一标识层：雪花 ID + MD5 哈希

单一标识容易重复或被破解，因此采用「双重唯一标识」：

• 雪花 ID：保证分布式环境下的全局唯一性，作为基础唯一值；

• MD5 哈希：将长链接 + 哈希盐值 + 雪花 ID 拼接后做 MD5 哈希，既打散长链接特征，又补充唯一性。

核心代码：

// 生成雪花ID + 长链接哈希（双重唯一标识） 
long snowFlakeId = SnowFlakeUtil.getInstance().nextId();
String urlHash = getMd5Hash(longUrl + HASH_SALT + snowFlakeId);

关键优化：哈希值安全转长整数

MD5 哈希是 32 位 16 进制字符串，直接转长整数会溢出，因此做了分段处理：

private static long safeHashToLong(String hash) {
    // 截取前15位（15位16进制转十进制最大为10^18，小于long最大值9e18）
    String subHash = hash.substring(0, 15);
    try {
        return Long.parseLong(subHash, 16);
    } catch (NumberFormatException e) {
        // 兜底：取哈希码的绝对值
        return Math.abs((long) subHash.hashCode());
    }
}

3. 混淆层：彻底打散数值特征

雪花 ID 本身是连续递增的，直接转换会导致短码有规律，因此通过「多重混淆」彻底打乱：

private static long multiConfuse(long snowId, long hashNum) {
    // 1. 异或主盐值 + 哈希值（基础混淆）
    long confused = snowId ^ MAIN_SALT ^ hashNum;
    // 2. 不规则位移（动态位移量，基于哈希值）
    int shift1 = (int) (hashNum % 7) + 1; // 1-7位位移
    int shift2 = (int) (hashNum % 9) + 1; // 1-9位位移
    confused = (confused << shift1) ^ (confused >>> shift2);
    // 3. 随机数扰动（大范围）
    confused += RANDOM.nextInt(99999999);
    // 4. 再次异或随机长数
    confused ^= RANDOM.nextLong();
    // 5. 取绝对值（防止负数）
    return Math.abs(confused);
}

• 异或运算：通过盐值打乱数值的二进制分布；

• 动态位移：位移量由哈希值决定，避免固定位移的规律；

• 随机扰动：加入大范围随机数，彻底打破连续性。

4. 62 进制转换层

基于自定义乱序字符集做 62 进制转换，核心逻辑是「取余 - 整除 - 反转」：

private static String convertToBase62(long num) {
    if (num == 0) {
        return String.valueOf(CHARSET.charAt(RANDOM.nextInt(BASE)));
    }
    StringBuilder sb = new StringBuilder();
    while (num > 0) {
        int remainder = (int) (num % BASE);
        sb.append(CHARSET.charAt(remainder));
        num = num / BASE;
    }
    return sb.reverse().toString();
}

5. 最终短码生成：随机混合截取

为进一步降低相似度，将 62 进制结果插入随机字符串，再随机截取 6 位：

private static String generateLowSimilarityCode(String base62Code) {
    // 1. 生成12位随机字符
    StringBuilder randomStr = new StringBuilder();
    for (int i = 0; i < 12; i++) {
        randomStr.append(CHARSET.charAt(RANDOM.nextInt(BASE)));
    }
    // 2. 随机位置插入62进制结果
    int insertPos = RANDOM.nextInt(randomStr.length() + 1);
    randomStr.insert(insertPos, base62Code);
    // 3. 随机截取6位
    int start = RANDOM.nextInt(randomStr.length() - SHORT_CODE_LENGTH);
    return randomStr.substring(start, start + SHORT_CODE_LENGTH);
}

三、性能与冲突测试

四、生产环境优化建议

1. 字符集动态调整：每次部署时随机打乱字符集，进一步提升安全性；

2. 盐值配置化：将 MAIN_SALT 和 HASH_SALT 放入配置中心，避免硬编码；

3. 缓存去重：高并发场景下，用 Redis 的 Set 结构做实时去重校验；

4. 雪花 ID 优化：若分布式部署，确保雪花 ID 的 workerId 和 datacenterId 唯一；

5. 异常处理：增加哈希生成失败、数值转换溢出的兜底逻辑。

五、总结

这个短码生成算法的核心优势在于：

1. 低冲突：通过雪花 ID+MD5 哈希保证唯一性，6 位短码的理论容量足够支撑亿级数据；

2. 高安全性：多重混淆 + 乱序字符集 + 随机截取，彻底避免短码被遍历或猜测；

3. 高性能：纯内存运算，无 IO 操作，单条生成耗时 < 1ms，支持高并发。

完整代码

短码生成工具类： ShortLinkUtil.java

雪花算法工具类：SnowFlakeUtil.java