字符串到唯一 int 算法答案

【问题标题】：String to unique int algorithm字符串到唯一 int 算法
【发布时间】：2011-09-28 03:38:03
【问题描述】：

我们正在尝试实施以下案例。我们有一个发票表，并且有一列包含电子邮件地址。我们希望以某种方式从该电子邮件地址生成一个唯一的 int 值并将其存储在单独的列中。这将用作 FK 并被索引。所以我正在寻找的是一种从字符串生成整数的算法（请注意，电子邮件字符串应始终输出相同的整数，因此每个电子邮件地址都作为唯一的整数表示）。我们也可以使用 bigint

【问题讨论】：

这已经被问过很多次了，简短的回答是不可能取一个无限（或相对无限）域（字符串/varchar）并将其与有限域（int , 大整数)。您需要在唯一性或输出数据类型上做出妥协。我的建议是您只需索引电子邮件地址本身。
我不明白为什么会这样，@MarkPeters。他们得到的任何字符串都将被编码为有限的字节数。只需将相同的字节解释为 bigint，瞧，你就有了一个数字。
@Tom：我不确定 bigint 的确切语义。在 Java 中，BigInteger 具有可变位长，因此可以正常工作（我已经按照这些行删除了答案）。我的印象是 SQL 上下文中的 bigint 仍然是有界的（64 位），因此它代表一个有限域。
我认为@MarkPeters 的意思是可能的电子邮件地址的数量总是> 给定长度的整数的数量。例如，如果使用 64 位整数，则有 2^64 个可能的值。有无限多个可能的电子邮件地址，> 2^64。
@TomZych 如果你有一个定义精度的整数类型（例如 32 位），生成 2**32 + 1 个不同的电子邮件地址是微不足道的，你的唯一性就在那里。跨度>

标签： algorithm

【解决方案1】：

最简单的解决方案是将电子邮件地址与身份/自动增量类型列一起放入自己的表中。然后，您可以简单地携带该标识字段（标准 int），并且不会遇到任何潜在哈希冲突的问题，并且没有哈希开销。

【讨论】：

+1 最佳答案，我想。当 OP 没有做出限制时，为什么要把事情复杂化？

【解决方案2】：

似乎一个简单的哈希码（MD5、SHA1、...）应该满足您的需求；根据您的 RDBMS，您可能能够使用内置包（例如 Oracle 的 dbms_crypto）或必须在外部计算它们。

注意事项：

在计算哈希码之前将所有内容转换为小写/大写（因此 USER@DOMAIN.COM 获得与 user@domain.com 相同的哈希码）
显然，您有一个非规范化模式。拥有一个包含电子邮件地址的单独客户表会更有意义；发票应该只包含外键 customer_fk

【讨论】：

@Raze2dust 是的，当然。但这种可能性非常非常小（尤其是如果使用 SHA1）。
@FrankSchmitt 有些人关心非常非常小的概率和不可能之间的区别……而有些人则不关心。
@Frank Schmitt：既然问题提到了发票，那么关心的人是客户、会计师、律师等。潜在的冲突应该足以取消任何哈希方案的资格。
@Blastfurnace：对于 HTTPS 证书，MD5 和 SHA1 冲突是公认的折衷方案，其中一个公司使用的大多数客户电子邮件地址都远不止这些。通常除非有人攻击系统并瞄准碰撞，否则这不会发生。另请注意，这种可能性受电子邮件地址语法的影响，因为大多数冲突将出现在语法之外或非常长的字符串（因此地址不可用）上。

【解决方案3】：

MD5 - 给你一个 128 位整数。（诚然，这比大多数语言中的 int 数据类型大，但仅使用 32 位就无法保证唯一性。）

【讨论】：

OP 说他想要一个唯一的整数； MD5 不保证唯一性。
您不能保证唯一的整数（除非使用任意长度的整数），因为可能的电子邮件地址数量是无限的。
@FrankSchmitt 实际使用的电子邮件地址数量有限，因此我们可以在看到它们时对它们进行索引。
@Michael：daiscog 没有声明 MD5 保证唯一性。它声明它让您接近保证独特性。
取决于输入与输出，没有“保证”唯一性。

【解决方案4】：

我不知道您是否可以使用 64 位 int：电子邮件地址的最大长度为 254 个字符，在这种情况下您需要保留每个字符的唯一性，散列不会这样做.

因此，您似乎不得不克服这个 254 个字符的障碍。我的方法（对我来说总是蛮力方法）是采用电子邮件地址中允许字符的字母表，将它们映射到 6 位值，然后使用映射将它们打包成一系列单词。

看看rfc3696，它以一种实际上可以理解的方式处理电子邮件地址。

很抱歉帮不上忙。

【讨论】：