Hash 将UUID编号流随机分成10个存储桶

我正在处理一系列的问题。我的最终目标是将这些数字随机分为10个桶，即，将它们中的每一个放入10个桶中的任何一个，这样，如果我处理了该流中的

N

UUID数字，那么在任何给定时刻，我应该在每个桶中大约有

N/10

个数字。我想到了以下想法：

• 获取给定UUID的等效16字节数组（因为每个UUID有128位）
• 将16个字节的无符号值相加，得到一个正整数

  sum

• 获取

  模和100

  值
• 模值将属于10个存储桶中的任何一个，具体取决于其值：存储桶1:[0,9]，存储桶2:[10,19]，桶10:[90,99]

我对大约200000个UUID进行了这个实验（并对8个不同的流进行了实验），观察到每个桶有接近10%的总数（范围在9.85%到10.15%之间），这似乎是相当随机的。我的问题是:

如果我不只是取16个字节的和，而是取

UUID

的散列值（比如

MD5

hash），然后执行这些步骤，我会有更好的机会随机分割它们吗？一个更普遍的问题是，是否有一种数学方法可以可视化哈希在这些场景中的作用

如果您同意第（1）点，那么什么样的散列算法才能做到这一点呢

如果你不同意第（1）点，那么你能建议我一个更好的算法来做同样的事情吗

---

事实上，您在技术上描述的算法确实实现了一个哈希函数，因为它将UUID的空间映射到一组固定大小，即从1到10的数字集

你的问题1。接下来的问题是，算法定义的哈希函数的输出如何均匀分布

哈希函数是否比MD5更好地分配输出很难说是先验的，因为这取决于输入流的分布。然而，语言库（如MD5）中的散列函数通常实现启发式，以避免明显不合适的分布的冲突。一个具体的例子：假设您的输入流只包含集合中的UUID

00000000-0000-0000-0000-000000000001
00000000-0000-0000-0000-000000000010
.
.
.
10000000-0000-0000-0000-000000000000

然后，它们都将映射到bucket 1，而MD5很可能会对周围的事物进行置乱

---

您可以使用来衡量散列函数对输入样本的处理效果。

散列整个UUID应该可以做到这一点。请记住，哈希函数输出是一个整数（但许多库将其转换为十六进制/其他格式的字符串）。MD5应该可以，但您应该自己检查分配的公平性。