最短的哈希？MD5 / SHA。首字符，Git。

Question

我需要一个哈希函数。用户将把这些哈希值写入计算机，因此哈希值应该很短。我的数据库中将有大约5000万条记录，每个记录都必须有自己的哈希值。我希望拥有唯一的哈希值，但如果有一些记录具有相同的哈希值，我也可以接受。唯一的哈希值更好。

MD2对我来说很好，但哈希非常长："8350e5a3e24c153df2275c9f80692773" - 32个字符。如果你不得不在键盘上写10个MD2哈希，你肯定不开心...

Git为每个提交使用SHA1（40个字符）。但在输出中只显示前7个字符：

$ git log
commit e2cfc89fae5b43594b2c649fd4c05bcc6d2d12ac
...
commit 56a8b4c50d4269dc3f88727472933fd81231f63b
...
commit ce2e9ddbe896b9592abbd5fcb6604b181809d523
...
commit 498c49833516ea33b6a40697634ea6e3cfd62328
...
commit b7d78aea415e64d8d441f9747fe6d5d48fe54ee5

$ git log --oneline | head -n 5
e2cfc89 commnit message...
56a8b4c commnit message...
ce2e9dd commnit message...
498c498 commnit message...
b7d78ae commnit message...

它如何保证安全性和独特性？例如，如果我使用MD5/SHA-1/SHA-256的前5或10个字符，是否足够安全？

谢谢。

- martin

Answer 1

请查看hashids，它旨在从您的主键（或其他一些唯一数字集合）生成唯一的类YouTube哈希值。它并不像MD5和SHA-1那样是真正的哈希，因为它被设计成可逆的。

例如，如果要对单个整数主键进行“哈希”，则可能会得到以下关系：

(PK: 1) <=> (hashid: 8dY0qQ)

这是从你控制的秘密值开始生成的，因此用户无法确定他们实际引用的主键。如果你的数据库有点复杂，比如有多个分片和复杂的键，你仍然可以使用 hashids。它将整数列表作为输入：

(3, 171, 24) <=> (243j7Z)

作为开发人员，您负责定义哈希的最小长度。随着生成越来越多的哈希值，hashids 可能会生成略长的哈希值。

对于给定的输入（初始种子、最小哈希长度和要哈希的整数列表），哈希值保证是唯一的:

没有冲突。您生成的哈希值应该是唯一的。

支持以下语言：

• JavaScript
• Ruby
• Python
• Java
• PHP
• Perl
• CoffeeScript
• Objective-C
• Go
• Lua
• Node.js
• .NET

- Chris

Answer 2

默认情况下，Git仅显示7个字符，因为它们很可能是唯一的，您可以只使用足够的字符将提交/ blob标识为唯一。但是，在内部，它仍然使用完整的哈希值。如果您的Git树有两个提交具有相同的前7个数字，则如果您只使用7个字符来标识其中一个提交，则会引发错误。

如果用户输入的哈希值系统已知，则允许用户输入尽可能多的字符，如果这不足以唯一地标识他所说的哈希值，则出现错误并提示用户再输入更多字符。

7个十六进制字符给出了大约2x10^7个可能的哈希值。假设您正在使用一个良好的哈希函数-即它在值之间具有均匀分布，则通过平方近似，您有50％的机会在约19k*之后重复。是否接受这种可能性取决于您要插入的数量。

*获取N十六进制字符的哈希碰撞的50％概率所需插入的数量是大约0.5+sqrt(0.25-(2xln(0.5)x16^N))。

- Oliver Matthews

---

我知道，为了简化，git仅使用前7个字符。 对于唯一标识仍然使用完整的SHA-1哈希。是否存在相同前7个字符的相同哈希的更强概率？ - martin

谢谢你的回复。如果我对“123”使用SHA256哈希，则为“a665a45920422f9d417e4867efdc4fb8a04a1f3fff1fa07e998e86f7f7a27ae3”。是更好地获取前8个字符，还是例如每隔8个字符获取一个字符？你是什么意思呢？ - martin

你选择哪些字符都没有区别。 - Oliver Matthews