这基本上是一个数学问题，但与编程非常相关:如果我有 10 亿个包含 URL 的字符串，并且我取每个字符串的 MD5 哈希值的前 64 位，我应该期望什么样的冲突频率？
如果我只有 1 亿个网址，答案会如何变化？
在我看来，碰撞是极其罕见的，但这些事情往往令人困惑。
使用 MD5 以外的其他东西会更好吗？请注意，我不是在寻找安全性，只是在寻找一个良好的快速哈希函数。此外，MySQL 的 native 支持也很好。
最佳答案
如果 MD5 的前 64 位构成具有理想分布的哈希值，那么生日悖论仍然意味着每 2^32 个 URL 都会发生冲突。换句话说，冲突的概率是 URL 的数量除以 4,294,967,296。请参阅http://en.wikipedia.org/wiki/Birthday_paradox#Cast_as_a_collision_problem了解详情。
仅仅丢弃 MD5 中的一半位我会感到不舒服；最好对高位和低位 64 位字进行异或，以便让它们有机会混合。话又说回来，MD5 绝不是快速或安全的，所以我根本不会为它操心。如果您想要令人眼花缭乱的速度和良好的分发，但又不想假装安全，您可以尝试 64 位版本的 MurmurHash。请参阅http://en.wikipedia.org/wiki/MurmurHash了解详细信息和代码。
关于hash - 使用一个 64 位数字唯一标识 URL，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/1096558/