在我们的应用程序中，我们让用户通过它生成并发送各种文档。其中一些将始终是唯一的，但其中很大一部分将是静态的。我们使用FileStream将文件存储在SQL 2008 DB中以获取实际数据。我正在寻找一种方法来检测文件何时已经存储，所以我不存储副本。
我正在考虑使用MD5生成哈希，并将该哈希用作SQL数据库的密钥。我担心的是发生碰撞的可能性。
我有一些问题：
1：在哈希上发生冲突的可能性是什么？我应该将唯一键视为FileName，File of File加Hash的组合吗？
2：您将在数据库中存储生成的哈希值？我们应该将它存储为二进制字段吗？
答案 0 :(得分：1)
这是一个非常常见的面试问题 - 所以应该有很多长时间的讨论:)。
birthday paradox - 相对较高。但是一些可以在恒定时间内获得的数据（如大小，第一个/最后一个X字节）可以使“哈希”更长，因此碰撞概率更可接受。我会使用生成更长哈希（Sha256？）的东西开始。
我使用的是Sha646哈希的Base64字符串+其他任何有用的位（或任何其他可索引字段，我相信二进制不是）。
旁注我不会将文件名用作“哈希”的一部分，因为它不是二进制数据本身的一部分，可以独立更改。