使用 MD5 哈希作为索引

Posted 2023-03-22

【中文标题】使用 MD5 哈希作为索引

【英文标题】：Using an MD5 Hash as an index

【发布时间】：2015-01-27 00:30:46

【问题描述】：

我正在编写一个包含一组特定数据的 MongoDB 集合，并且我想通过对数据进行 MD5（或者可能是 SHA256）哈希并以此为基础进行比较，从而针对该数据运行比较。

我想知道使用固定长度的十六进制数字字符串是否是正确的方法。是否有更好的数据类型可以使用，例如“blob”甚至 64 位长整数来保存值？ （这可能需要我使用一个产生 long 的散列函数——我不知道有一个，除了可能用 Eclispe 覆盖 Java .hashCode() 函数？）

如果完全有更好的方法，请在此处提供最佳实践建议！

【问题讨论】：

我是否理解正确，您基本上是在为集合元素寻找合适的哈希函数？

是的——一旦找到散列函数，在 Mongo 中用来保存散列的最佳数据类型。由于哈希仅由 0-9A-F 组成，我认为字符串会过多吗？

我取决于你想用它来做什么。将二进制内容转储到 MongoDB 非常简单，因为它只是这样做，而且精确比较也不成问题。如果您不希望这是完全随机的并且需要某种排序，那么最好使用字符串。我认为这样做的目的是匹配字段“子集”中的内容，否则根本没有意义。对于具有唯一散列内容的整个文档，称为“主键”，它已经存在。

【参考方案1】：

在 MongoDB 中存储 MD5 哈希

如果您决定存储 MD5 哈希，则必须使用字符串或二进制（大小的一半）（请参阅here）。

最佳哈希函数

这很难回答，因为它在很大程度上取决于您集合中的数据类型。我个人认为 MD5 散列是一个好方法，但这又取决于用例。如果你想自定义/优化你的哈希，这个post 和这个post 可能会让你开始。它们涵盖了一些关于编写自定义哈希函数的简单方法。