我想知道：在保持哈希函数的预期冲突计数的同时，可以安全地进行散列的最大字节数是多少？
对于md5，sha- *，甚至可能是crc32或adler32。
答案 0 :(得分：3)
你的问题不明确。 “最大字节数”是指“最大项目数”？被散列的文件的大小与冲突的数量无关（假设所有文件当然都不同）。
“保持预期的碰撞次数”是什么意思？从字面上看，答案是“无限的”，但在一定数量之后，你将会像预期的那样发生碰撞。
至于问题的答案“我可以在保持x％下的碰撞概率的情况下散列多少项？”，请看下表：
http://en.wikipedia.org/wiki/Birthday_problem#Probability_table
从链接：
为了比较，10 ^ -18到10 ^ -15是典型硬盘的不可纠正的误码率[2]。理论上，MD5,128位应该保持在该范围内，直到大约820亿个文档，即使其可能的输出更多。
这假定散列函数输出均匀分布。你可以假设，给定足够的项目进行散列和加密散列函数（如md5和sha）或良好的散列（如Murmur3，Jenkins，City和Spooky Hash）。
并且还假设没有恶意对手积极制造碰撞。那么你真的需要一个安全的加密哈希函数，比如SHA-2。
请注意：CRC和Adler是校验和，旨在检测数据损坏，而不是最小化预期的冲突。它们具有如下特性：“检测大小为
编辑：不要忘记这完全是关于概率的。完全可以只散列两个小于0.5kb的文件并获得相同的SHA-512，尽管它极不可能（例如no collision has ever been found for SHA hashes till this date）。
答案 1 :(得分：-2)
你基本上看着生日悖论，只看真正的大数字。 鉴于数据的正常“分布”，我认为在遇到问题之前你可能会占到大约5-10％的可能性，但没有任何保证。
只需使用足够长的哈希就不会遇到问题;）