Java object 的唯一 ID

Question

我將 java 對象索引到 Elasticsearch 中。 以下是 class 的結構：

public Class Document{
    private String name;
    private double value;
    private Date date;
    private Map<String, String> attributes;
    //getters and setters
}

在我索引任何 object 之前，我想計算/導出 object 的唯一 ID，它應該基於這些成員的值。 如果我構造另一個 object 具有相同的名稱、日期、值和屬性值（即，如果鍵值對的數量和值相同），那么 ID 也應該相同。

目前，我正在使用Objects.hash(Object... objects)來計算 hashCode 並將該 hashCode 設置為 id。 它似乎工作正常。 對於這些屬性具有相同值的對象，它返回相同的 integer。 但是，考慮到 java 中 int 的文檔數量和范圍，哈希碼可能/可能不同（這將導致重復文檔）。

對此有任何替代解決方案嗎？ 我們可以根據這些值創建一個字母數字字符串（或其他東西）嗎？

提前致謝。

Answer 1

除非您將對象本身用作鍵，否則您將無法完全避免沖突……如果您希望這樣做，則可以將值序列化為一個字節序列，即8個字節表示date double 8（因為內部表示很long ，根據您name的長度任意字節數...

最明智的做法是使用這些值來計算hashCode，然后在發生沖突時逐個比較每個成員以確保相等。 這就是Java Hashtable工作方式。

如果您想繼續創建“絕對唯一的標識符”，請...

byte[] defoUnique = new byte[24 + name.size()];
byte[] dateBytes = Long.toByteArray(date.getTime());
for (int i = 0 ; i < 8 ; i++) defoUnique[i] = dateBytes[i];
byte[] valueBytes = Long.toByteArray(Double.doubleToLongBits(value));
for (int i = 0 ; i < 8 ; i++) defoUnique[i+8] = valueBytes[i];
byte[] nameBytes = name.getBytes();
for (int i = 0 ; i < nameBytes.length ; i++) defoUnique[i+16] = nameBytes[i];

/* Make byte sequence into alphanumeric string */
String identifierString = Base64.getEncoder().encodeToString(defoUnique);

Answer 2

您應該重寫equals（）和hashcode（）。 （常見的錯誤是不同時覆蓋兩者）。

以下是一個示例。 想法是為每個對象創建一個哈希碼並測試是否相等（無論是否返回對象）

例：

    // from http://commons.apache.org/proper/commons-lang/apidocs/org/apache/commons/lang3/builder/HashCodeBuilder.html
     public class Person {
       String name;
       int age;
       boolean smoker;
       int id;  // this is your bit

       public int hashCode() {
         // you pick a hard-coded, randomly chosen, non-zero, odd number
         // ideally different for each class
         return new HashCodeBuilder(17, 37).
           append(name).
           append(age).
           append(smoker).
           toHashCode();
       }
     }

  public boolean equals(Object obj) {
  // the next 3 ifs are a 'short' circuit'
       if (obj == null) { return false; }
       if (obj == this) { return true; }
       if (obj.getClass() != getClass()) {
         return false;
       }

       // the meat of it
       MyClass rhs = (MyClass) obj;

       boolean sameClass = new EqualsBuilder()
                     .appendSuper(super.equals(obj))
                     .append(field1, rhs.field1)
                     .append(field2, rhs.field2)
                     .append(field3, rhs.field3)
                     .isEquals();

       //  here set/update your id
           if (sameClass){
                 this.id = rhs.id
           }

           return sameClass 
          }

Answer 3

最終有這樣的事情：

/**
     * Sets the id of document by calculating hash for individual elements
     */
    public void calculateHash(){
        ByteBuffer byteBuffer = ByteBuffer.allocate(16);
        byteBuffer.putInt(Objects.hashCode(name));
        byteBuffer.putInt(Objects.hashCode(date));
        byteBuffer.putInt(Objects.hashCode(value));
        byteBuffer.putInt(Objects.hashCode(attributes));
        super.setId(DigestUtils.sha512Hex(byteBuffer.array())); 
        byteBuffer.clear();
    }

因此，基本上，我計算單個元素的哈希，將它們填充到字節數組中，然后計算該元素的SHA-1哈希。 因此，發生碰撞的機會非常少。 即使一個哈希發生沖突，其他哈希也不太可能也發生沖突（因為這是4個哈希的組合）。 我認為發生碰撞的可能性為（1/4億）^ 4，這對我來說是更好的方法：) 例如， int哈希可以具有40億個值，因此，一個值的概率為1 /（40億），並且在其他地方具有相同編號的數字是1 / 4b x 1 / 4b x 1 / 4b x 1 / 4b，即（1 / 4b）^ 4（如果我沒記錯的話）。

不知道這是否是最合適的方法。 但這似乎奏效了。

謝謝

Answer 4

hashCode() 給出 32 位，如果這將有沖突的風險，請使用不同的散列算法。

java.security.MessageDigest 在 Java 中提供選項

我會為此推薦“MD5”，它會為您提供 128 位數字

"MD5" = 128 bits
"SHA1" = 160 bits
"SHA-256" = 256 bits
"SHA-384" = 384 bits
"SHA-512" = 512 bits

您不必擔心 md5 或 sha-1 的加密問題

權衡 hash 的大小，有碰撞的機會。

總是有碰撞的危險，要完全避免它把貓元素串在一起。 以 16,32 或 64 為基數表示數字以節省一點空間。