具有确定（少量）变体的哈希/摘要

Posted 2023-02-23

【中文标题】具有确定（少量）变体的哈希/摘要

【英文标题】：Hash/digest with determined (small) amount of variants

【发布时间】：2016-07-19 13:44:11

【问题描述】：

我只需要从字符串中获取 16 个（或其他少量）可能的哈希值，用于根据联系人姓名对联系人进行颜色编码。

我曾尝试获取 crc32 哈希，然后获取第一个符号，即十六进制数字：

$contact = 'Robin Hood';
$colors = [
     '0' => 'F8BBD0',
     '1' => 'E1BEE7',
     ...
     'e' => 'D7CCC8',
     'f' => 'CFD8DC',
];
$firstLetter = hash('crc32', $contact)[0];
return '#' . $colors[$firstLetter];

但是，我对这种方法的良好分布表示怀疑。如何从字符串中获取少量且确定数量的变体摘要？

【参考方案1】：

如果您主要关心的是良好的分布，我会使用一个好的伪随机引擎：

$colorKey = bin2hex(openssl_random_pseudo_bytes(1))[0];
return '#' . $colors[$colorKey];

我不能说这与散列的第一个字符的分布相比如何，但这绝对适合您的目的。

---

编辑：由于您需要哈希，我针对 500 个随机名称的文本文件测试了各种哈希，发现 crc32 具有最均匀的分布。我不知道您期望有多少个名称或您需要的发行版有多好，但您的解决方案对我来说似乎是一个不错的选择：

<?php
function sd_square($x, $mean)  return pow($x - $mean,2); 

function sd($array) 
    return sqrt(array_sum(array_map("sd_square", $array, array_fill(0,count($array), (array_sum($array) / count($array)) ) ) ) / (count($array)-1) );


$crcColorCounts = array_fill_keys(range(0, 15), 0);
$file = fopen('random_names.txt', 'r');
while ($contact = fgets($file)) 
    $hash = hash('crc32', $contact);
    $letter = $hash[0];
    $crcColorCounts[hexdec($letter)]++;

fclose($file);
print_r($crcColorCounts);
echo 'Standard deviation: ', sd($crcColorCounts);

输出：

Array
(
    [0] => 32
    [1] => 26
    [2] => 33
    [3] => 31
    [4] => 40
    [5] => 29
    [6] => 33
    [7] => 20
    [8] => 33
    [9] => 30
    [10] => 39
    [11] => 27
    [12] => 36
    [13] => 33
    [14] => 29
    [15] => 30
)
Standard deviation: 4.8815127436755

（取自this answer的标准差函数。）

我还尝试了 MD5、SHA1 和 CRC32 的最后一个字符。所有返回的标准差都在 7 左右，使 CRC32 的第一个字符成为赢家。

【讨论】：

不，我的任务不是随机的，而是每次根据这个人的名字为同一个人提供相同的（永久）哈希。

@vatavale 请查看我的编辑。我测试了哈希的分布。

哇！这是一个令人印象深刻的答案。谢谢！