这是一个创建于 2213 天前的主题，其中的信息可能已经有所发展或是发生改变。
有一个项目，大概就是抓取一些数据，每条数据包含很短的字符串（不超过 200 字）和一些数字。
现在是通过把这些字符串数字等拼在一起，计算 MD5，存入数据库，以 MD5 作为唯一索引判断是否存在。
但是感觉 MD5 太长了，占用数据库空间，有没有更短的摘要算法，以减少数据库占用？
 |
1
qwe61655 2018-10-31 11:25:37 +08:00 via iPhone
要短还要可靠 你不觉得冲突了吗
|
 |
2
creamiced 2018-10-31 11:26:31 +08:00  2
抛个砖：使用 MD5 结果的前几位。
嫌 MD5 占用空间，是否说明数据量极大，能否接受更短的结果带来的更大的碰撞几率？ |
 |
3
kernel 2018-10-31 11:26:43 +08:00
取 md5 一段就行了
|
 |
4
yanaraika 2018-10-31 11:26:46 +08:00
直接随便找个 digest 算法，取输出前若干位
|
 |
5
Aliencn 2018-10-31 11:27:52 +08:00
|
 |
6
surfire91 2018-10-31 11:28:08 +08:00
如何定义可靠？
你要多短的？可以看看 CRC。 |
 |
7
imdong 2018-10-31 11:30:24 +08:00
那你有多少条数据呢？
10 条数据的话，md5 截取固定两三位也许就够了。 如果数据量非常大，我认为 md5 已经不够可靠了。 |
 |
8
e9e499d78f 2018-10-31 11:30:29 +08:00 via iPhone
xxhash 64
|
 |
9
wysnylc 2018-10-31 11:32:18 +08:00
建议数据库全清,更省
|
 |
10
batter 2018-10-31 11:33:15 +08:00
再短容易撞吧？
|
 |
11
shoumu 2018-10-31 11:36:19 +08:00
md5 你可以只取 64 位啊，你可以算一下碰撞概率，符合预期还可以取更短的长度
|
 |
12
qq316107934 2018-10-31 11:40:39 +08:00
md5 可以 binary 化映射到 ASCII 全区域啊，32x16/128=4，四个字符长度足矣
|
 |
13
msg7086 2018-10-31 12:50:34 +08:00
@qq316107934 128bit 16 字节的二进制是怎么算出四个字符的。
@myse 自己计算一下碰撞概率，算出碰撞空间，转换成 bit 就知道该用什么了。 这些密码学摘要算法的长度就是碰撞可靠性。缩短长度就是缩短碰撞可靠性。 如前面所说，每减少 1bit，碰撞空间减半，等于碰撞概率加倍。减少一个字节就是碰撞概率变成原来的 256 倍，md5 切一半就是原来的 2^64 倍。 |
 |
14
glues 2018-10-31 12:58:21 +08:00
md5 这种过时的东西，居然还有人在用？
如 12 楼所说的，摘要指不一定非要用 hex，用 ASCII 的话，应该能省点空间 另外，硬盘白菜价的年代，还在乎这点空间？ |
 |
15
jjianwen68 2018-10-31 13:03:35 +08:00
md5 前 4 位后 4 位综合判断是不是就够了
|
|
16
qq316107934 2018-10-31 14:11:16 +08:00
@msg7086 #13 不好意思没仔细思考算错了，一个 ASCII 是 8bit，一个 HEX 是 4bit，应该是长度折半。
|
 |
17
geelaw 2018-10-31 14:39:59 +08:00 via iPhone 1
@glues #14 这个场景里并没有 adversarially chosen strings，MD5 属于一种随意的选择。
回到楼主的问题，如果你把 hash 函数建模为 random oracle，输出长度是 k bits 时，在 2^(k/2) 个 strings 时有常数概率碰撞。一般希望碰撞概率是 negligible，所以可以设置 k = w(log t) + 2 log N 其中 N 是数据的个数，t 是安全参数，w 表示严格高阶无穷大。 |
 |
18
zjp 2018-10-31 14:45:52 +08:00
md5 取部分不如 CRC16/CRC32
实际上差不了多少 |
 |
19
jimages 2018-10-31 14:47:47 +08:00 via iPhone
布隆过滤器？
|
Select Language