内容可寻址存储系统使用存储数据的哈希值作为标识符和地址。碰撞非常罕见，但如果系统长时间大量使用，它可能会发生。如果有两条数据产生相同的哈希值会怎样？最近存储的数据不可避免地会获胜并且数据会丢失，或者是否有可能设计一种方法来存储两者并允许访问两者？
为了缩小问题范围，我想重点关注 Camlistore。如果永久节点碰撞会发生什么？
【问题讨论】：
标签： storage hash-collision future-proof camlistore
假设没有发生碰撞。考虑到强大的哈希函数和随意的、非恶意的用户输入，这是一个完全合理的假设。 Camlistore 目前使用的 SHA-1 也可以防止恶意尝试产生冲突。
如果哈希函数随时间变弱并需要停用，Camlistore 支持为新的 blobref 迁移到新的哈希函数，同时保持旧的 blob ref 可访问。
如果确实发生了冲突，据我所知，第一个存储的带有该哈希的 blobref 将获胜。
来源：https://groups.google.com/forum/#!topic/camlistore/wUOnH61rkCE
【讨论】：
在理想的防碰撞系统中，当摄取新文件/对象时：
所以不，信息在内容可寻址存储系统中丢失并非不可避免。
* 理想情况下，现有存储的数据将以相同的方式重新散列，并以某种方式标记原始散列条目（例如链接到零字节有效负载）以表示存在最初解析为该哈希的多个存储对象（在概念上类似于'Disambiguation page' on Wikipedia）。是否有必要取决于需要如何从系统中检索数据。
虽然故意导致冲突对于给定算法可能在天文上是不切实际的，但随机冲突可能会在第二个存储事务时立即发生。
注意：一些小型/非关键系统会跳过二进制比较步骤，以换取带宽或处理时间的风险。 （通常，只有在某些元数据匹配时才会这样做，例如文件名或数据长度。）
这种系统的风险概况（例如单个git 存储库）与摄取大量二进制数据的企业/云规模环境有很大不同，尤其是如果该数据是明显的随机二进制数据（例如加密/压缩文件）与滑动窗口重复数据删除之类的结合。
另见，例如：
【讨论】：
复合键，例如 hash + userId
【讨论】：