Question

我有一个包含一列唯一字符串值的表。字符串值的最大长度为255个字符。我想生成一个唯一的id，字符串值作为输入。换句话说，我正在寻找一个字符串的紧凑表示。生成的唯一ID可以是字母数字。一个有用的功能是能够从唯一ID重新生成字符串值。

是否有一个有效的功能来生成这样一个唯一的id。某些方法可能使用校验和或散列函数。我想知道是否有标准的方法来做到这一点。

我正在使用MySql数据库和java。

谢谢！

- 编辑：我正在寻找一种更紧凑的表示，而不仅仅是使用字符串本身。

Answer 1

“独特”有多独特？使用任何良好的散列函数（MD5适用于大多数用途，并且可以通过java.security.MessageDigest.getInstance（“MD5”）轻松实现，可以使您获得一个非常非常可能是唯一的128位数字。哈希会为您提供较小的ID，并且碰撞的可能性更高。

在数据库中使用auto_increment字段，如果它适合您的设计，可能更容易实现，将真正保证唯一性，并将使用比16字节的MD5更小的ID。然后，您还可以满足通过密钥查找字符串的要求，而不能用于哈希。

Answer 2

这与压缩有关。最简单的方法是进行bit-pack并将每个字符降低到最小的位数。

A-Z是26个字符，小于32（5位）

添加a-z并且它是6位（剩余大约12位模式以代表其他字符）。

让我们说这对你来说已经足够了。所以你有6x255位，这是1530位来存储你的字符串。（191字节）

只使用大写字母会减少一点（到159字节）

您可以对其进行更多优化，但是您必须使用压缩算法，该算法需要字符串中的特定语言或模式，并优化这些模式。

除非您可以进一步指定字符串的内容，否则您将无法获得所需内容。抱歉。（如果你能详细说明字符串的内容，那么就这样做。我们中的一个人可能会看到更好的模式“压缩”）

缺乏做你想做的事的能力是为什么哈希表太酷了。他们得到一个“非常独特”的数字，然后有第二级分辨率来测试两个字符串散列到相同数字的情况。

Answer 3

如果您的数据库要求该列包含唯一值，那么为什么不使用该字符串本身？其他任何东西只是编码/解码它的另一个步骤。

Answer 4

对于255长串而不是64位（或其他）长位数，你有更多的可能性。是不可能的。添加auto_increment字段。

Answer 5

由于您使用的是MySQL，请查看CRC32

Answer 6

public String getUniqueId(String uniqueString) {
    return uniqueString;
}

除非ID对其有任何其他限制，否则“是唯一的”。

Answer 7

如果频繁出现有限数量的字符串，则可以选择在主表中创建带有数字（自动增量）ID的引用表和FK到该引用表。

如果没有，如果需要检索原始文件，可以通过GZIP或任何其他压缩算法运行字符串。

如果您不需要检索原始内容，则可以使用MD5等哈希函数。

Answer 8

选择合适的钥匙不应该很容易。

你需要考虑：

复制：是否需要在不同服务器之间共享密钥？如果是这样，你很可能需要某种独特的哈希或guid。
表格大小/插页数量：您应该考虑大多数rdbms按照其（群集）主键的顺序将数据物理地存储在硬盘驱动器上。现在想象一下，如果在具有合理大小的表上插入以'a'开头的哈希值，会发生什么。是的，theres索引填充，但最终它的完整和单行插入可以导致在硬盘上移动几GB。
需要复制并拥有大表吗？使用两者。使用主群集自动增量（长）整数键并在哈希列上定义唯一索引。