Hash 切土豆条安全吗？

我想为大约20亿个字符串存储哈希。为此，我希望使用尽可能少的存储空间

考虑一个理想的散列算法，它以十六进制数字序列的形式返回散列（如md5散列）。 据我所知，这意味着我需要哈希长度不少于8个符号。因为这样的散列可以散列40多亿（16*16*16*16*16*16）个不同的字符串

所以我想知道将散列剪切到一定长度以节省空间是否安全？ （当然，散列不应该冲突）

是/否/可能-我希望得到解释或相关研究链接的答案

---

我知道我可以测试8个字符的散列是否可以存储20亿个字符串。但我需要将20亿个哈希与20亿个剪切版本进行比较。这对我来说并不微不足道，所以我最好在做这件事之前先问一下。

散列是一个数字，而不是十六进制数字（字符）的字符串。对于MD5，它是以有效形式保存的128位或16字节。如果你的问题仍然适用，你当然可以考虑截断数字（通过强制一个字或第一位移位）。好的散列算法均匀地分布到所有位

增编：

---

通常，无论何时处理哈希，都需要检查字符串是否匹配。这考虑了哈希冲突的可能性。剪切散列的次数越多，得到的冲突就越多。但是，在这一阶段进行计划是很好的。

将x值存储在只能表示2x不同散列值的散列域中是否安全完全取决于您是否能够容忍冲突

散列函数实际上是随机数生成器，因此您计算的20亿个散列值将均匀分布在大约40亿个可能的结果上。这意味着您将受到以下限制：

在您的例子中，如果您仅使用2^32（40亿）个可能的散列值计算2^31（20亿）个散列，则至少两个具有相同散列（冲突）的可能性非常非常接近100%。（三个相同的概率也非常非常接近100%，以此类推）我找不到根据这些数字计算可能碰撞次数的公式，但我怀疑这是一个巨大的数字

如果在您的例子中，哈希冲突不是一场灾难（例如在Java的HashMap实现中，它通过将哈希目标转换为共享同一哈希键的对象列表来处理冲突，尽管这会降低性能），那么您可能可以肯定地活在大量冲突中。但是如果您需要唯一性，那么您需要一个大得多的散列域，或者您需要根据您的目的为每个记录分配一个保证唯一的序列ID号

---

最后，请注意，Keccak能够生成任何所需的输出长度，因此，花费CPU资源生成长散列输出，而只是在之后将其缩减，这没有什么意义。您应该能够告诉Keccak函数只给出所需的位数。（还请注意，Keccak输出长度的更改不会影响初始输出位，因此结果将与之后手动按位微调的结果完全相同。）

注意：将哈希存储为8字节字符串只允许1。20亿字符串的32位哈希不可能不包含任何冲突。粗略的经验法则：要对

n

事物进行哈希而不发生冲突，您需要

n^2

bin。如果您有

2^31

字符串，您将需要

2^62

箱子以避免碰撞。罗伯特·库珀：对不起，您所说的“箱子”是什么意思？好的，它是一个数字。但是2^32仍然是我在上面写的40多亿个组合。哪些散列算法是“好的”？Md5有冲突。你指的是什么哈希算法？@Termos:好吧，我误解了你的问题。也许你根本不需要任何散列。