100萬QPS短鏈系統如何設計？
作者：蘇三
為了從根本上改善這一痛點，本文將系統介紹如何基于 Spring Boot 3.4.5 + Spring Cloud Context 實現無需重啟即可動態更新配置文件的機制，覆蓋原理解析、實戰代碼、注意事項，助你提升至少 50% 的配置變更效率。
前言
凌晨兩點，監控大屏突然飆紅——短鏈服務QPS突破80萬！ 數據庫連接池告急，Redis集群響應延遲突破500ms。
這不是演習，而是某電商平臺大促的真實場景。
當每秒百萬級請求涌向你的短鏈服務，你該如何設計系統？
今天這篇文章跟大家一起聊聊100萬QPS短鏈系統要如何設計？
希望對你會有所幫助。
最近建了一些工作內推群，各大城市都有，歡迎各位HR和找工作的小伙伴進群交流，群里目前已經收集了不少的工作內推崗位。
1.短鏈系統的核心挑戰
首先我們一起看看設計一個高并發的短鏈系統，會遇到哪些核心的挑戰。
如下圖所示：
圖片
百萬QPS下的三大生死關：
- ID生成瓶頸：傳統數據庫自增ID撐不住百萬并發
- 跳轉性能黑洞：302重定向的TCP連接成本
- 緩存雪崩風險：熱點短鏈瞬間擊穿Redis
2.短鏈生成
2.1 發號器的設計
發號器是短鏈系統的發動機。
方案對比：
方案 | 吞吐量 | 缺點 | 適用場景 |
UUID | 5萬/s | 長度長，無法排序 | 小型系統 |
Redis自增ID | 8萬/s | 依賴緩存持久化 | 中型系統 |
Snowflake | 12萬/s | 時鐘回撥問題 | 中大型系統 |
分段發號 | 50萬/s | 需要預分配 | 超大型系統 |
分段發號器實現（Java版）：
public class SegmentIDGen {
privatefinal AtomicLong currentId = new AtomicLong(0);
privatevolatilelong maxId;
privatefinal ExecutorService loader = Executors.newSingleThreadExecutor();
public void init() {
loadSegment();
loader.submit(this::daemonLoad);
}
private void loadSegment() {
// 從DB獲取號段：SELECT max_id FROM alloc WHERE biz_tag='short_url'
this.maxId = dbMaxId + 10000; // 每次取1萬個號
currentId.set(dbMaxId);
}
private void daemonLoad() {
while (currentId.get() > maxId * 0.8) {
loadSegment(); // 號段使用80%時異步加載
}
}
public long nextId() {
if (currentId.get() >= maxId) thrownew BusyException();
return currentId.incrementAndGet();
}
}關鍵優化：
- 雙Buffer異步加載（避免加載阻塞）
- 監控號段使用率（動態調整步長）
- 多實例分段隔離（biz_tag區分業務）
2.2 短鏈映射算法
短碼映射將長ID轉換成62進制的字符串。
轉換原理：
2000000000 = 2×62^4 + 17×62^3 + 35×62^2 + 10×62 + 8
= "Cdz9a"原始ID: 2000000000，轉換為62進制的值為Cdz9a。
// Base62編碼（0-9a-zA-Z）
publicclass Base62Encoder {
privatestaticfinal String BASE62 =
"0123456789ABCDEFGHIJKLMNOPQRSTUVWXYZabcdefghijklmnopqrstuvwxyz";
public static String encode(long id) {
StringBuilder sb = new StringBuilder();
while (id > 0) {
sb.append(BASE62.charAt((int)(id % 62)));
id /= 62;
}
return sb.reverse().toString();
}
// 測試：生成8位短碼
public static void main(String[] args) {
long id = 1_000_000_000L;
System.out.println(encode(id)); // 輸出：BFp3qQ
}
}編碼優勢：
- 6位短碼可表示 62^6 ≈ 568億種組合
- 8位短碼可表示 62^8 ≈ 218萬億種組合
- 無意義字符串避免被猜測
3.存儲架構
3.1 數據存儲模型設計
圖片
3.2 緩存層級設計
圖片
3.3 緩存擊穿解決方案
// Redis緩存擊穿防護
public String getLongUrl(String shortCode) {
// 1. 布隆過濾器預檢
if (!bloomFilter.mightContain(shortCode)) {
returnnull;
}
// 2. 查Redis
String cacheKey = "url:" + shortCode;
String longUrl = redis.get(cacheKey);
if (longUrl != null) {
return longUrl;
}
// 3. 獲取分布式鎖
String lockKey = "lock:" + shortCode;
if (redis.setnx(lockKey, "1", 10)) { // 10秒超時
try {
// 4. 二次檢查緩存
longUrl = redis.get(cacheKey);
if (longUrl != null) return longUrl;
// 5. 查數據庫
longUrl = db.queryLongUrl(shortCode);
if (longUrl != null) {
// 6. 回填Redis
redis.setex(cacheKey, 3600, longUrl);
}
return longUrl;
} finally {
redis.del(lockKey);
}
} else {
// 7. 等待重試
Thread.sleep(50);
return getLongUrl(shortCode);
}
}防護要點：
- 布隆過濾器攔截非法短碼
- 分布式鎖防止緩存擊穿
- 雙重檢查減少DB壓力
- 指數退避重試策略
4.跳轉優化
4.1 Nginx層直接跳轉
server {
listen 80;
server_name s.domain.com;
location ~ ^/([a-zA-Z0-9]{6,8})$ {
set $short_code $1;
# 查詢Redis
redis_pass redis_cluster;
redis_query GET url:$short_code;
# 命中則直接302跳轉
if ($redis_value != "") {
add_header Cache-Control "private, max-age=86400";
return 302 $redis_value;
}
# 未命中轉發到后端
proxy_pass http://backend;
}
}性能收益：
- 跳轉延遲從100ms降至5ms
- 節省后端服務器資源
- 支持百萬級并發連接
4.2 連接池優化
連接池優化可以用Netty實現：
// Netty HTTP連接池配置
publicclass HttpConnectionPool {
privatefinal EventLoopGroup group = new NioEventLoopGroup();
privatefinal Bootstrap bootstrap = new Bootstrap();
public HttpConnectionPool() {
bootstrap.group(group)
.channel(NioSocketChannel.class)
.option(ChannelOption.SO_KEEPALIVE, true)
.handler(new HttpClientInitializer());
}
public Channel getChannel(String host, int port) throws InterruptedException {
return bootstrap.connect(host, port).sync().channel();
}
// 使用示例
public void redirect(ChannelHandlerContext ctx, String longUrl) {
Channel channel = getChannel("target.com", 80);
channel.writeAndFlush(new DefaultFullHttpRequest(
HttpVersion.HTTP_1_1,
HttpMethod.GET,
longUrl
));
// 處理響應...
}
}優化效果：
- TCP連接復用率提升10倍
- 減少80%的TCP握手開銷
- QPS承載能力提升3倍
5.百萬QPS整體架構
百萬QPS整體架構如下圖所示：
圖片
核心組件解析：
1）接入層
- CDN：緩存靜態資源
- Nginx：處理302跳轉，本地緩存熱點數據
2）緩存層
- Redis集群：緩存短鏈映射
- 布隆過濾器：攔截非法請求
3）服務層
- 短鏈生成：分布式ID服務
- 映射查詢：高并發查詢服務
4）存儲層
- MySQL：分庫分表存儲映射關系
- TiKV：分布式KV存儲ID生成狀態
6.容災設計
6.1 限流熔斷策略
基于Sentinel的熔斷降級：
public class RedirectController {
@GetMapping("/{shortCode}")
@SentinelResource(
value = "redirectService",
fallback = "fallbackRedirect",
blockHandler = "blockRedirect"
)
public ResponseEntity redirect(@PathVariable String shortCode) {
// 跳轉邏輯...
}
// 熔斷降級方法
public ResponseEntity fallbackRedirect(String shortCode, Throwable ex) {
return ResponseEntity.status(503)
.body("服務暫時不可用");
}
// 限流處理方法
public ResponseEntity blockRedirect(String shortCode, BlockException ex) {
return ResponseEntity.status(429)
.body("請求過于頻繁");
}
}6.2 多級降級方案
使用多級降級方案：
圖片
保證服務的高可用。
6.3 數據分片策略
基于短碼分庫分表：
public int determineDbShard(String shortCode) {
// 取短碼首字母的ASCII值
int ascii = (int) shortCode.charAt(0);
// 分16個庫
return ascii % 16;
}
public int determineTableShard(String shortCode) {
// 取短碼的CRC32值
CRC32 crc32 = new CRC32();
crc32.update(shortCode.getBytes());
// 每庫1024張表
return (int) (crc32.getValue() % 1024);
}這里成了16個庫，每個庫有1024張表。
7.性能壓測數據對比
優化點 | 優化前QPS | 優化后QPS | 提升倍數 |
原始方案 | 12,000 | - | 1x |
+Redis緩存 | 120,000 | 10x | |
+Nginx直跳 | 350,000 | 2.9x | |
+連接池優化 | 780,000 | 2.2x | |
+布隆過濾器 | 1,200,000 | 1.5x |
壓測環境：32核64G服務器 × 10臺，千兆內網
總結
百萬QPS短鏈架構核心要點如圖所示：
圖片
四大設計原則：
- 無狀態設計：跳轉服務完全無狀態，支持無限擴展
- 讀多寫少優化：將讀性能壓榨到極致
- 分而治之：數據分片，流量分散
- 柔性可用：寧可部分降級，不可全線崩潰
真正的架構藝術不在于復雜，而在于在百萬QPS洪流中，用最簡單的路徑解決問題。當你的系統能在流量風暴中優雅舞蹈，才是架構師的巔峰時刻。
責任編輯：武曉燕
來源：
蘇三說技術
