我想比较一些代表树的大型对象并缓存 某些 ，以避免每次新对象与已存在的对象进行比较...
问题是什么是最好的东西？ （性能和碰撞之间的妥协......）。
一方面，我有一个基于各种字段值的常规hashCode函数（遵循effective Java的第3章。但我无法评估这种方法所带来的潜在冲突。
另一方面，我使用带有SHA-1算法的标准java发行版的MessageDigest方法。我认为它不会有效但我可能会减少碰撞。我对吗 ？在我的背景下它是一个正确的解决方案还是我完全错了？
问题是我不知道对象的大小。另请注意，计算的值不会在HashTable中使用。
... THX
答案 0 :(得分：13)
请参阅以下内容：
请记住以下内容：
通常，您可以根据预期对象的数量和可能的哈希值（最大哈希值）来确定冲突的可能性。有关详细说明，请参阅http://en.wikipedia.org/wiki/Birthday_paradox。
个人？ Java对象（实例化类）＆lt;万？哈希码。代表文件/ blob /大量数据？ SHA-1。我在我的数据库中使用SHA-1哈希来阻止人们多次在同一个文件上进行ETL工作。然后我再次在第二级使用SHA-1哈希，以防止人们在多个文件中ETL相同的部分（例如，不同的文件，但相同的顺序显示两次）。
答案 1 :(得分：11)
我个人会使用hashCode()作为对象，直到证明任何可能的碰撞是一个实际问题，以避免先发制人地优化你可能实际上没有的问题。
答案 2 :(得分：5)
由于birthday problem,碰撞的可能性取决于您使用的物品数量。
SHA-1的160位空间非常大，我怀疑你有足够的物品可以看到碰撞。
hashCode()的32位空格在超过50,000个项目之前不应有大量冲突。但是，这取决于使用良好的哈希算法。
为了应用像SHA-1这样的加密摘要，您需要将图形转换为字符串，这可能是计算上昂贵的，并且可能很复杂。
答案 3 :(得分：5)
通常对于重复文件/数据检测，MD5是速度和碰撞机会之间的良好折衷。 MD5是不合适的，如果有人可能故意制作文件来欺骗你的程序（它有点容易受到碰撞攻击）。但如果你只是偶然担心碰撞，那么它的128位宽度目前几乎总是足够的。
SHA-1和SHA-256为您提供了一些防止故意碰撞攻击的保护（理论上但没有实际的SHA-1攻击;对于键入数据，它很少值得进入160位散列码宽度）。 SHA-1的速度大约是MD5的一半。
当然，如果您使用MD5，性能可能不应该是一个太大的问题。但显然这取决于数据的大小。您可能对我在Java中汇总performance of secure hash functions的一些信息感兴趣。
如果你确实需要更快的东西并且你只处理几百万项数据，那么另一个需要考虑的选择是由Numerical Recipes的作者提出的64位散列算法。
Java的标准hashCode（）实现（比方说，String）可能不合适：除了有关哈希质量的任何问题之外，它的32位宽度意味着你只会在16,000个项目之后发生冲突或如此。
答案 4 :(得分：2)
我支持matt b的说法“在你需要优化之前不要进行优化。”
但是，如果您决定需要的东西比哈希代码更多......我使用消息摘要（在我的情况下为MD5）来“唯一地”识别从RSS源下载的各种项目，所以我最终没有当我一遍又一遍地进行调查时，同一项目在列表中多次出现。这些通常是小帖子，因此可以快速计算摘要。根据我的经验，它非常有效并且运作良好。
由于它们通常是单向函数，即使对输入数据中的非常小的变化做出强烈反应，您肯定不太可能与MD5或SHA-1发生冲突。