crc32作爲主鍵的自然鍵

Question

我有一個TCG卡的數據庫，我試圖決定一個主鍵。最初，我用代理鍵解決了這個問題，但是我意識到，有時候，有些卡片是我忘記添加的，例如促銷卡片。這是代理鍵問題，因爲它們以最新的自動增量添加到數據庫中，並且我不希望它們的ID依賴於它們插入的順序。我在想也許我可以對一些卡的功能進行散列，並將其用作主鍵而不是？

就拿下面的僞代碼：

// set code, date released, collector number, name 
$crc = crc32(implode(',', ['A', '1993-08-03', '232a', 'black lotus'])); 
echo $crc; // 4199975187 

的卡的數量可能只徘徊25K左右，現在和成長每6個月左右100-300。

1. 以這樣的速度，不會有碰撞的權利？
2. 這是一個很好的做法嗎？我有其他好的選擇嗎？

我知道我可以做的哈希通過將其轉換爲base 62短，但我將加入到這些用戶的庫存表所以我想保持這些在int將是最好的選擇。

Answer 1

我不同意這樣的：

這是與代理鍵的問題，因爲它們被添加到了最新的自動遞增的數據庫，我不希望自己的ID取決於它們的順序插入。

ID（正確：「Id」，因爲它是一個縮寫，而不是初始化）是「Identity」的簡稱，它具有對每個元素唯一的唯一屬性，也就是說，它用於識別每個元素。您不應該附加任何其他含義，因此它隨插入順序單調增加的事實是不相關的，並且通過生成的標識列對數據進行排序沒有意義（除非它位於用於查找ID的索引內）。在這種情況下，您應該將Ids視爲不透明的手柄。

當然，如果你使用摘要（比如CRC-32），Ids的排序順序是沒有意義的，但實際上比單調遞增的Id表現得更少。

您正確識別了散列衝突的風險，CRC-32的範圍空間僅爲32位，如果您擁有25,000個卡片，則生日問題會告訴我們在如此小的範圍內散列衝突的機率空間不是微不足道的。

只需使用自動生成的Id值。 :)

使用計算的散列作爲標識符/鍵具有實用性 - 這就是散列表的工作方式，因爲它允許您快速查找某個值，而無需實際搜索所有表（例如查找黑蓮花牌，像你一樣對其屬性進行哈希處理，然後在ID列中查找計算出的哈希值，而不必執行SELECT ... WHERE code = 'A' AND ... AND name = 'black lotus'，但它確實需要您先知道每個屬性值，並且如果設置了正確的表索引這很快就變得沒有意義了。

與使用散列作爲主鍵的主要問題是：

1. 主鍵應該是不可變的（「永不更改」）
2. 現在關鍵取決於數據
3. 如果數據發生變化（例如「blcak lotus」變成「Black Lotus」），那麼這個密鑰是無效的並且必須被重新創建，但是你不能這麼做，因爲密鑰是不可變的......將以前計算的Id無效。

QED :)

Answer 2

研究此鏈接： - http://preshing.com/20110504/hash-collision-probabilities/

你會看到，任何 32位散列和25K加重視碰撞近1比10的賠率 - 不管哈希算法有多好。

您需要一種處理衝突或切換到64位散列算法的機制。根據這個 crc collisions at various bit sizes，CRC64似乎是足夠好的，有1820萬個沒有碰撞的樣本。