創建百​​萬個短字符串的唯一整數/浮點哈希值

Question

大多數應用程序（尤其是數據庫）可以按小整數進行排序和過濾，也可以比字符串比較快得多。

因此，我想知道是否有一個哈希函數，我可以用它來返回一個短字符串（約5 - 40個字符）的32位或64位數字，以便我可以用整數而不是字符串進行比較。

我首先想到的是crc32，但它似乎太小了一些數字和would result in possible collisions in less than 50,000 hashes（我需要做超過一百萬）。

我最感興趣的是在Python，PHP，V8 Javascript，PostgreSQL和MySQL中工作。

Answer 1

所有32位散列都存在固有的50k條目衝突問題。如果您在Birthday problem上閱讀了一些內容，您會發現如果您有大約sqrt(HashSpace)個元素（例如，用於32位散列的sqrt(2^32) = 64k。

---

隨着64位散列衝突變得更加罕見。但是我仍然不太願意在這方面投我的項目的正確性。

使用從維基百科的近似值：

我們獲得的3×10 -8 1種百萬個元素，和3×10-6 10個百萬個元素的概率。

你可以使用CRC64。或者只是截斷一個加密哈希，如md5或sha1到所需的長度。

---

如果有惡意的人可以選擇的字符串，通過故意製造衝突破壞你的計劃，你應該至少切換到一個加密散列，如HMAC。

---

取決於你在做什麼，你也可以簡單地創建字符串和INT之間的內存映射下，你根本增量你遇到的每個元件的對。這爲您提供了完美的映射，沒有碰撞風險，但僅適用於某些情況。