Vorrei usare Youtube come esempio: usano gli ID sotto forma di PEckzwggd78.

Perché non usano numeri interi semplici?

Oppure imgur.com: usano anche ID come 9b6tMZSimmagini e gallerie. Numeri non sequenziali.

• Perché non usano numeri interi (in particolare quelli sequenziali)?

• In quali casi è una saggia decisione utilizzare tali ID stringa anziché numeri interi?

Youtube non può utilizzare gli ID sequenziali per due motivi:

1. I suoi database sono quasi certamente distribuiti, rendendo complicata la numerazione sequenziale.

2. Ha un'opzione di privacy "Video non in elenco": quelli che non vengono visualizzati nei risultati di ricerca, ma sono disponibili se si conosce l'ID.

Pertanto, gli ID video dovrebbero essere ragionevolmente casuali e imprevedibili. Il fatto che l'ID sia rappresentato solo da cifre o da una combinazione di lettere e cifre è irrilevante: esiste una mappatura banale da una rappresentazione all'altra.

• Sul modulo degli ID: Stanno usando Base64 (utilizzando i caratteri a- z, A- Z, 0- 9, -e _). Ciò consente loro di avere 6 bit di informazioni per carattere. YouTube utilizza ID video di 11 caratteri, il che significa che possono generare 2 ^{6 * 11} o più di 7 * 10 ¹⁹ ID. Come diceva Tom Scott , "è sufficiente per ogni singolo umano sul pianeta Terra per caricare un video ogni minuto per circa 18.000 anni". Base64 è anche facile da lavorare, perché 64 è una potenza di 2, il che significa che ogni carattere rappresenta un numero esatto di bit. Usiamo esadecimali (base 16) per lo stesso motivo.

• Sulla natura non sequenziale degli ID: significa che non è necessario un contatore sincronizzato tra tutti i server che assegnano gli ID ai video. Possono semplicemente generare un numero casuale, verificare se è già in uso e andare da lì. Potrebbero persino assegnare a ciascun server un blocco di ID da cui scegliere ed eliminare il controllo di duplicazione. Non so se lo stanno facendo, ma potrebbero.

• Un altro motivo per gli ID non sequenziali è che è ciò che fa funzionare i video "non elencati". Questi sono video che non verranno visualizzati nei risultati di ricerca o come suggerimenti, ma che sono accessibili se hai il link. Se stai utilizzando il conteggio sequenziale, puoi semplicemente andare a un video, aumentare l'ID di uno e l'idea dei video non elencati è ora rotta.

• Gli ID non sequenziali aiutano anche a nascondere informazioni ai concorrenti, come la quantità totale di video o il numero di video caricati per periodo di tempo.

Consiglio vivamente il video di Tom Scott . Le sue informazioni sono quasi sempre sia interessanti che accurate.

• I numeri interi non si adattano bene, un numero intero "normale" a 32 bit senza segno raggiungerà al massimo poco più di 4 miliardi.

• Potrebbero non voler che tu sappia quanti elementi hanno in linea o tenere traccia del tasso che stanno crescendo.

• Le lettere possono contenere più informazioni delle cifre, sono necessarie meno lettere per esprimere lo stesso "numero". Per un grande database indicizzatore questo potrebbe sommarsi.

1) Perché alcuni siti Web utilizzano le lettere nei loro ID? Sono stringhe?

Non sappiamo se quei siti web memorizzano gli ID nel loro database come stringhe. I numeri e le stringhe sono davvero gli stessi per i computer. Una stringa è solo un numero, appena mostrato con una base diversa. 'A' = 0x41 = 65 = 0b1000001, per il computer è lo stesso. Ma se lo visualizzi, più grande è la base, più corta è la rappresentazione e più brevi gli URL sono più facili da leggere e condividere per gli umani. Siti come YouTube e Imgur utilizzano la base 62 (lettere maiuscole e minuscole, più cifre) o più grandi (aggiungi un trattino o altri caratteri URL validi), che è relativamente breve per numeri grandi. Cosa preferiresti usare youtu.be/23489234892348234933o youtu.be/B9k6KMrv8vh?

2) Perché vengono utilizzati ID non sequenziali?

La risposta di IMil lo spiega bene:

Youtube non può utilizzare gli ID sequenziali per due motivi:

• I suoi database sono quasi certamente distribuiti, rendendo complicata la numerazione sequenziale.

• Ha un'opzione di privacy "Video non in elenco": quelli che non vengono visualizzati nei risultati di ricerca, ma sono disponibili se si conosce l'ID.

Ciò spiega anche perché gli ID sono così grandi: (YouTube non ospita 23.489.234.892.348.234.933 video diversi, ovviamente)

• Quando si generano ID, è un problema se si genera accidentalmente lo stesso ID due volte, quindi è necessario un grande spazio ID per evitare il problema del compleanno

• Le persone possono semplicemente indovinare l'URL dei video non elencati se la possibilità di utilizzare un determinato ID valido per un video non è molto, molto piccola.

perché non solo numeri interi, in particolare quelli sequenziali? E quando, in quali casi è saggia la decisione di tale ID stringa anziché numeri interi?

• Migliore spazio UTF-8: quando trasformi un numero in una stringa ottieni al massimo 10 combinazioni per carattere (0-9), ma quando consenti qualsiasi carattere alfanumerico ottieni 62 combinazioni per carattere (az, AZ, 0-9 ), quindi utilizzando stringhe alfanumeriche è possibile produrre URL più brevi rispetto a se si utilizzano stringhe numeriche. Questo è importante per i siti in cui gli utenti condividono URL - come Youtube e Imgur.
• Gli interi sequenziali sono più difficili da produrre. Per produrre un numero intero crescente sequenziale devi avere un singolo thread per produrre i numeri o coordinare molti host in un sistema distribuito e quando esegui un'applicazione ad alto volume come Youtube o Imgur che non si ridimensiona bene come una stringa generata casualmente (per non dire che si stanno generando in modo casuale)

A parte questo, non è necessariamente il caso che la rappresentazione interna sia una stringa. Molto probabilmente potrebbero codificare un identificatore numerico come stringa alfanumerica per l'URL più breve.

Come hai sottolineato che sarebbe stato facile da usare un ID univoco universale usando solo numeri, perché sotto il cofano tutto è solo 0ed 1e si potrebbe espandere il numero a più di precisione che va fino a 128 bit o più.

Penso che il motivo principale sia che, supponendo un intervallo fisso arbitrario come uint32(solo per fare un esempio), se usi anche le lettere puoi avere un ID più breve in totale.

Immagino che sia un motivo estetico per l'URL. Invece di avere 4,129,873,773con le lettere è molto più breve Fu837t(solo inventato da me). Un utente potrebbe persino essere in grado di ricordare l'URL per averlo consegnato a un amico. Le piattaforme come Youtube di solito hanno UUID più lunghi di 32 bit perché esaurirebbero rapidamente lo spazio.

È auspicabile un breve URL poiché semplifica il collegamento e la condivisione (ad esempio è possibile condividere un collegamento in un SMS, è più veloce da digitare e così via). Servizi come Youtube o Imgurl vogliono che tu condivida gli URL in modo casuale, quindi questa è una considerazione importante.

L'uso di ID alfanumerici anziché numerici significa che sono necessari meno caratteri per esprimere un ID della stessa dimensione in bit. Ad esempio 6 cifre ti danno un milione di ID univoci ma 6 caratteri alfanumerici (usando il set base64) ti danno 68 miliardi di identificatori univoci.

Per quanto ne sappiamo, gli identificatori alfanumerici potrebbero essere numeri sequenziali, codificati in un formato alfanumerico come base64. Ma spesso i servizi commerciali evitano i codici sequenziali per impedire alle persone di indovinare gli ID ed evitare di divulgare informazioni commerciali come la quantità di clienti.

Esistono diversi motivi per cui dovresti utilizzare ID non numerici, ma anche capire che non tutti i valori con caratteri alfabetici sono in realtà stringhe. YouTube ha la reputazione di un numero incredibile di video, nell'ordine di 300 ore di video caricati ogni minuto ( rif ). Gli interi univoci che rappresentano quei video possono diventare piuttosto lunghi, quindi l'uso di qualcosa come i numeri con codifica URL Base64 ( ref ).

Tipi di rappresentazioni identificative:

• Numeri interi semplici: (12345, 981027489382493)
• Numero intero base 16: 123456789abcdef - noto anche come esadecimale
• Numero intero base 64: 9b6tMZS
• Stringhe leggibili: 12032017-Leggi-il-mio-fantastico-articolo-01

Tutti hanno i loro punti di forza e di debolezza. Più caratteri unici puoi utilizzare per i tuoi identificatori, meno caratteri devi rappresentare per un numero. I numeri di Base 64 sono un ottimo compromesso perché esiste una variante stabilita che funziona per gli URL e comprime il numero di caratteri necessari per rappresentare un numero da 6 a 8 (ovvero 3/4 della dimensione).

Le stringhe leggibili funzionano per i blog perché possono aumentare la ricerca, ed è molto più semplice generare titoli univoci quando il numero di record è ridotto.

Hash dei contenuti

La parola "hash" non si trova nelle risposte esistenti, belle, quindi eccoci qui:

Spesso, i dati possono essere identificati dal suo hash di contenuto anziché da un ID artificiale indipendente. Ciò è particolarmente evidente in software come gito file system come ZFS in cui questa particolare proprietà dell'uso degli hash del contenuto non solo rende le cose più facili (ad esempio la deduplicazione), ma ha anche altre belle proprietà come la banale memorizzazione nella cache, una cronologia sicura, il rilevamento del bit rot eccetera.

Gli hash di solito vengono come numeri esadecimali (o uno spazio di lettere ancora più grande), quindi è per questo che non vedi ID interi. Semplicemente non ci sono numeri interi (in quei casi).

Gli hash sono buoni se i tuoi oggetti dati sono immutabili (come in ZFS o git); sarebbero fantastici per archiviare immagini, ad esempio, su CDN di grandi dimensioni. Non so se questi ID particolari siano effettivamente hash, ma avrebbe sicuramente senso (e come ha commentato Michael Kjörling, gli ID brevi probabilmente non sono hash per ovvie ragioni - come confronto, git usa valori SHA-1 che sono 20 byte o 40 cifre esadecimali).

Ok, uno dei motivi è che i caratteri vengono inviati come caratteri e non come numeri interi. Ciò è dovuto al modo in cui funziona HTTP Get.

Quando dici "perché non usare un numero intero?" Bene, l'intero viene quindi tagliato e ogni cifra viene inviata come carattere e si finisce comunque con una stringa di caratteri. Quindi perché non usare tutte le opzioni per un personaggio?

C'è anche il fattore umano:

Prendi imgur per esempio: https://imgur.com/ ***** / s6UqP

s6UqP,

L'intervallo per ogni carattere è: dalla A alla Z maiuscola, dalla A alla Z maiuscola e da 0 a 9 = 26+ 26+ 10 = 62 opzioni per ogni posizione nella stringa. Con cinque posizioni sono 916132832 combinazioni possibili. Se dovessi usare solo numeri, avresti bisogno di 9 cifre.

Le persone possono contenere circa 7 oggetti in memoria, 9 cifre sono troppe, 5 caratteri sono fattibili.

Numero magico 7