在 Groovy 中将可变长度字符串散列为 12 位数字的一种方法函数答案

【问题标题】：One way function to hash a variable length string into a 12 digit number in Groovy在 Groovy 中将可变长度字符串散列为 12 位数字的一种方法函数
【发布时间】：2012-05-17 01:38:49
【问题描述】：

我有由字母、数字和特殊字符（电子邮件地址）组成的唯一可变长度字符串列表。列表中的每个电子邮件地址都是唯一的。

我需要一个单向散列函数（我不需要能够从生成的数字中检索原始值），它将用盐对字符串进行散列并生成一个 12 位数字。

我想确保唯一性，因此我将检查先前生成的值列表以检测冲突，然后在发生冲突时生成一个新数字。可预测性不是问题。

理想情况下，我希望这个函数用 Groovy 编写，但 Java 也可以。

【问题讨论】：

您正在寻找perfect hash，只要输入字符串少于可能的输出字符串（在您的情况下为 10^12），它就始终存在。但是，生成的哈希函数是特定于该特定数据集的；您不能在不同的数据集上使用它并仍然保证唯一性。
我已经更改了生成值不必保证是唯一的要求。我将通过检查已创建值的列表来检查生成值中的冲突。我的请求中还有什么需要更正的吗？
或者我可以将原始输入（电子邮件）的一部分附加到生成的 id 以使其唯一吗？
@anataliocs 检查冲突的问题在于，在不抛出散列并重新开始的情况下做任何事情都为时已晚，并且需要记录原始值（除非有额外的输入限制） .它可以告诉那里是一个问题，但可能不是所需要的.. 这种映射的最终目的 是什么？散列很棒，因为它仅在输入的情况下是可重复的。但是，如果在数据库中维护这样的映射（“输出”不需要[完全]依赖于输入），那么这是一个完全不同的球赛......
当然，12 个 [hex] 位仍然是一个“相当大的值”，因此，给定“相对少量”的输入，有一个非常好的机会分布良好的哈希（例如，SHA1 的前 12 位）将产生唯一的映射。但是，不存在这种情况的保证。增加目标空间大大降低了这种[随机]碰撞的可能性。比较 Mercucial/Hg（和吉特）。

标签： java random groovy hash

【解决方案1】：

我需要保证每个生成的数字都是唯一的。

这显然是个问题。可能的输入字符串多于可能的输出值。特别是，每个可能的输出值（12 位字符串）都是可能的输入值。因此，如果所有这些都获得唯一的输出值，则不可能为任何 other 输入值留下任何输出值。

当然，您总是可以记录您遇到的每个电子邮件地址（因此第一个以 000000000000 结尾，第二个以 000000000001 等结尾），但这是一个存储问题，而不是散列本身。如果没有后备存储，您将无法从仅输入获得输出。

【讨论】：

输出会有冲突问题。
@BhavikAmbani：完全正确 - 当可能的输入多于输出时，您无法生成唯一数字。
@OliCharlesworth：如果你事先知道名单，是的。如果函数必须只接受一个字符串，没有其他参考数据或存储，那么你就有麻烦了......