Shlink项目中短链接访问统计的性能优化方案

背景与问题分析

在现代短链接服务中，访问统计功能是核心需求之一。Shlink作为一个开源的短链接服务，在处理大量访问数据时遇到了性能瓶颈。具体表现为：当用户需要按照访问量排序短链接列表时，系统需要执行COUNT(DISTINCT visits)聚合查询，这在数据量大的情况下会导致严重的性能问题。

传统方案的局限性

传统方案直接通过SQL的COUNT聚合函数统计每个短链接的访问量，这种方案存在两个主要问题：

1. 性能问题：当访问记录表(visits)数据量庞大时，COUNT操作需要扫描大量数据，导致查询响应时间显著增加。
2. 并发问题：如果采用简单的计数器字段直接更新方案，高并发场景下会导致行锁争用，影响系统吞吐量。

优化方案：分槽计数器模式

Shlink团队提出了一种创新的解决方案——分槽计数器模式(Slotted Counter Pattern)，这种方案巧妙地平衡了性能与并发需求。

核心设计思想

1. 数据分片：为每个短链接创建多个计数器槽位(如100个)，而不是单一的计数器。
2. 随机更新：每次访问时随机选择一个槽位进行增量更新，分散写压力。
3. 聚合统计：查询时通过SUM聚合各槽位值获取总访问量，避免直接COUNT原始访问记录。

技术实现细节

数据库表设计

CREATE TABLE short_url_visits_counts (
    id INT AUTO_INCREMENT PRIMARY KEY,
    short_url_id VARCHAR(255) NOT NULL,
    potential_bot BOOLEAN NOT NULL,
    slot_id INT NOT NULL,
    count INT NOT NULL,
    UNIQUE KEY (short_url_id, potential_bot, slot_id)
);

访问计数更新策略

针对不同数据库引擎，实现了差异化的UPSERT操作：

1. MySQL/MariaDB：

INSERT INTO short_url_visits_counts 
VALUES (:short_url_id, :potential_bot, RAND() * 100, 1)
ON DUPLICATE KEY UPDATE count = count + 1;

2. PostgreSQL：

INSERT INTO short_url_visits_counts 
VALUES (:short_url_id, :potential_bot, random() * 100, 1)
ON CONFLICT (short_url_id, potential_bot, slot_id) DO UPDATE
SET count = count + 1;

3. SQLite/SQL Server：
   • 先执行带锁的SELECT查询
   • 根据结果决定INSERT新记录或UPDATE现有记录

应用层实现

通过Doctrine的事件订阅机制，在每次访问记录持久化前自动触发计数器更新：

class VisitCountSubscriber implements EventSubscriber {
    public function getSubscribedEvents() {
        return ['preFlush'];
    }
    
    public function preFlush(PreFlushEventArgs $args) {
        // 实现细节省略...
    }
}

方案优势分析

1. 性能提升：

   • SUM聚合替代COUNT，大幅减少I/O操作
   • 避免了大表JOIN操作

2. 并发优化：

   • 100个槽位使写冲突概率降低99%
   • 分散了数据库行锁压力

3. 扩展性：

   • 可灵活调整槽位数量平衡性能与准确性
   • 支持区分正常访问与机器人访问统计

实施注意事项

1. 数据迁移：需要为现有短链接初始化计数器数据
2. 特性开关：保留回退到传统方案的开关
3. 监控指标：需要监控新方案的准确性和性能表现

未来扩展方向

1. 标签统计优化：将类似技术应用于标签系统的访问统计
2. 动态槽位调整：根据访问量自动调整槽位数量
3. 异步处理：考虑将计数器更新改为异步任务

这种创新的分槽计数器模式为Shlink提供了高性能、高并发的访问统计解决方案，值得在类似需要频繁计数更新的系统中借鉴应用。