Python - 为什么使用 uuid4() 以外的任何东西来获取唯一字符串？答案

【问题标题】：Python - Why use anything other than uuid4() for unique strings?Python - 为什么使用 uuid4() 以外的任何东西来获取唯一字符串？
【发布时间】：2010-03-12 18:35:41
【问题描述】：

我看到一些针对上传图像名称、会话 ID 等内容的唯一字符串生成实现退出，其中许多使用 SHA1 等哈希值或其他方法。

我并不是在质疑使用此类自定义方法的合法性，而只是质疑其原因。如果我想要一个唯一的字符串，我就这么说：

>>> import uuid
>>> uuid.uuid4()
UUID('07033084-5cfd-4812-90a4-e4d24ffb6e3d')

我已经完成了。在阅读 uuid 之前，我并不是很信任，所以我这样做了：

>>> import uuid
>>> s = set()
>>> for i in range(5000000):  # That's 5 million!
>>>     s.add(str(uuid.uuid4()))
...
...
>>> len(s)
5000000

没有一个中继器（考虑到赔率是 1.108e+50，我不希望现在有一个中继器，但看到它在行动中令人欣慰）。您甚至可以通过组合 2 个 uuid4()s 来制作您的字符串，从而降低一半的几率。

那么，话虽如此，人们为什么要花时间在 random() 和其他东西上以获得唯一的字符串等？ uuid 是否存在重要的安全问题或其他问题？

【问题讨论】：

顺便说一句，将 uuid 的长度加倍会使可能值的数量成平方，而不仅仅是加倍。

标签： python unique uuid

【解决方案1】：

使用散列来唯一标识资源允许您从对象生成“唯一”引用。例如，Git 使用 SHA 散列来生成一个唯一的散列，该散列代表单个提交的确切变更集。由于散列是确定性的，因此您每次都会为同一个文件获得相同的散列。

世界各地的两个人可以独立地对同一个 repo 进行相同的更改，Git 会知道他们进行了相同的更改。 UUID v1、v2 和 v4 不支持，因为它们与文件或文件内容无关。

【讨论】：

反对！ UUID 实际上可以是确定性的！ UUIDv3 基于 MD5 哈希，UUIDv5 基于 SHA-1 哈希。
应该选择 UUIDv3 或 UUIDv5 来处理确定性的事情（上传的文件、git 变更集等），而应该选择 UUIDv1、UUIDv2 或 UUIDv4 来处理临时的、非确定性的（会话、临时文件等） )。
BTW git 在更改集中包含作者信息和提交日期，因此不同人的相同更改不会产生相同的哈希。不过，保存在.git 文件夹中的目标文件是一个有效的用例。

【解决方案2】：

嗯，有时你想要碰撞。如果有人两次上传完全相同的图片，也许你宁愿告诉他们这是重复的，而不是用新名称制作另一个副本。

【讨论】：

@Ben，你不只是将图像名称保存为行中的另一个字段，并使用编程逻辑覆盖现有图像，或者当他们再次上传相同的图像时说“哎呀”。
他的观点仍然有效：有时您想要冲突，而 GUID 不提供它们。话虽如此，任何使用 SHA-1 查找 unique 字符串的人都可能做错了什么，因为它的输出几乎肯定没有输入那么独特。
@ladenedge 我认为 SHA1 是等式的一部分，只是为了使值更加标准化（以防有空格等）。
@orokusaki：根据问题的第一行，图像名称是生成的。那么这将如何帮助您识别重复项，除非它是内容的哈希值？
这是我的数据库行 [image_name, image_filename, some_other_field, so_on_and_so_on]。如果我收到使用现有image_name 添加新图像的请求，我只需找到匹配的image_filename 并替换它。谁会为他们的记录系统使用实际的图像文件名？我正在开发一个多租户架构，因此可能有 5000 个客户上传了logo.jpg。我不会仅仅依赖于为每个客户端设置单独的文件夹，因为如果我将文件系统更改为一些很酷的新的类似 S3 的系统，我不想为每个客户端创建新的存储桶。这是一场噩梦。

【解决方案3】：

一个可能的原因是您希望唯一的字符串是人类可读的。 UUID 只是不容易阅读。

【讨论】：

【解决方案4】：

uuid 很长且无意义（例如，如果您按 uuid 排序，则会得到无意义的结果）。

而且，因为它太长了，我不想把它放在 URL 中或以任何形状或形式向用户公开。

【讨论】：

是的，但这就是shortuuid 的用途。所有的熵，没有长度。

【解决方案5】：

除了其他答案之外，哈希对于应该是不可变的东西真的很有用。该名称是唯一的，可用于随时检查它所附加的任何内容的完整性。

【讨论】：

【解决方案6】：

还要注意其他类型的 UUID 甚至可能是合适的。例如，如果您希望您的标识符可订购，则 UUID1 部分基于时间戳。这完全取决于您的应用程序要求...

【讨论】：