健壯且快速的校驗和算法？

Question

在以下用例中，您可以推薦哪種校驗和算法？

我想生成小 JPEG 文件（每個約 8 kB）的校驗和以檢查內容是否更改。 不幸的是，使用文件系統的修改日期不是一種選擇。
校驗和不需要在密碼學上是強大的，但它應該穩健地指示任何大小的變化。

第二個標准是速度，因為每秒至少可以處理數百張圖像（在現代 CPU 上）。

計算將在具有多個客戶端的服務器上完成。 客戶端通過千兆 TCP 將圖像發送到服務器。 所以沒有磁盤 I/O作為瓶頸。

Answer 1

如果你有許多小文件，你的瓶頸將是文件I / O，可能不是校驗和算法。

可以在此處找到散列函數列表（可以將其視為校驗和）。

有沒有理由你不能使用文件系統的日期修改來確定文件是否已更改？ 那可能會更快。

Answer 2

有許多快速的CRC算法可以解決這個問題： http ： //www.google.com/search？hl = en＆q = fast + crc＆aq = f＆noq =

編輯：為什么討厭？ CRC是完全合適的，其他答案就是證明。 由於沒有指定語言，因此Google搜索也是合適的。 這是一個古老的問題，已經解決了很多次，以至於不太可能有明確的答案。

Answer 3

• 首先想到CRC-32，主要是因為計算起來很便宜

• 我想到任何一種I / O主要是因為這將是這種事業的限制因素;）

• 問題不在於計算校驗和，問題是將圖像放入內存來計算校驗和。

• 我建議“停滯”監測：

  • 第1階段：檢查文件時間戳的更改，如果檢測到更改，則移交給...
    （在編輯版本中描述的情況下不需要）

  • 第2階段：將圖像存入內存並計算校驗和

• 當然也很重要： 多線程 ：設置一個管道，如果有多個CPU核心可以並行處理多個圖像。

Answer 4

CRC

Answer 5

如果您通過網絡接收文件，則可以在收到文件時計算校驗和。 這將確保您在數據在內存中時計算校驗和。 因此，您不必將它們從磁盤加載到內存中。

我相信如果你應用這種方法，你會發現系統的開銷幾乎為零。

這是我在嵌入式系統上使用的例程，它對固件和其他東西進行校驗和控制。

static const uint32_t crctab[] = {
    0x0,
    0x04c11db7, 0x09823b6e, 0x0d4326d9, 0x130476dc, 0x17c56b6b,
    0x1a864db2, 0x1e475005, 0x2608edb8, 0x22c9f00f, 0x2f8ad6d6,
    0x2b4bcb61, 0x350c9b64, 0x31cd86d3, 0x3c8ea00a, 0x384fbdbd,
    0x4c11db70, 0x48d0c6c7, 0x4593e01e, 0x4152fda9, 0x5f15adac,
    0x5bd4b01b, 0x569796c2, 0x52568b75, 0x6a1936c8, 0x6ed82b7f,
    0x639b0da6, 0x675a1011, 0x791d4014, 0x7ddc5da3, 0x709f7b7a,
    0x745e66cd, 0x9823b6e0, 0x9ce2ab57, 0x91a18d8e, 0x95609039,
    0x8b27c03c, 0x8fe6dd8b, 0x82a5fb52, 0x8664e6e5, 0xbe2b5b58,
    0xbaea46ef, 0xb7a96036, 0xb3687d81, 0xad2f2d84, 0xa9ee3033,
    0xa4ad16ea, 0xa06c0b5d, 0xd4326d90, 0xd0f37027, 0xddb056fe,
    0xd9714b49, 0xc7361b4c, 0xc3f706fb, 0xceb42022, 0xca753d95,
    0xf23a8028, 0xf6fb9d9f, 0xfbb8bb46, 0xff79a6f1, 0xe13ef6f4,
    0xe5ffeb43, 0xe8bccd9a, 0xec7dd02d, 0x34867077, 0x30476dc0,
    0x3d044b19, 0x39c556ae, 0x278206ab, 0x23431b1c, 0x2e003dc5,
    0x2ac12072, 0x128e9dcf, 0x164f8078, 0x1b0ca6a1, 0x1fcdbb16,
    0x018aeb13, 0x054bf6a4, 0x0808d07d, 0x0cc9cdca, 0x7897ab07,
    0x7c56b6b0, 0x71159069, 0x75d48dde, 0x6b93dddb, 0x6f52c06c,
    0x6211e6b5, 0x66d0fb02, 0x5e9f46bf, 0x5a5e5b08, 0x571d7dd1,
    0x53dc6066, 0x4d9b3063, 0x495a2dd4, 0x44190b0d, 0x40d816ba,
    0xaca5c697, 0xa864db20, 0xa527fdf9, 0xa1e6e04e, 0xbfa1b04b,
    0xbb60adfc, 0xb6238b25, 0xb2e29692, 0x8aad2b2f, 0x8e6c3698,
    0x832f1041, 0x87ee0df6, 0x99a95df3, 0x9d684044, 0x902b669d,
    0x94ea7b2a, 0xe0b41de7, 0xe4750050, 0xe9362689, 0xedf73b3e,
    0xf3b06b3b, 0xf771768c, 0xfa325055, 0xfef34de2, 0xc6bcf05f,
    0xc27dede8, 0xcf3ecb31, 0xcbffd686, 0xd5b88683, 0xd1799b34,
    0xdc3abded, 0xd8fba05a, 0x690ce0ee, 0x6dcdfd59, 0x608edb80,
    0x644fc637, 0x7a089632, 0x7ec98b85, 0x738aad5c, 0x774bb0eb,
    0x4f040d56, 0x4bc510e1, 0x46863638, 0x42472b8f, 0x5c007b8a,
    0x58c1663d, 0x558240e4, 0x51435d53, 0x251d3b9e, 0x21dc2629,
    0x2c9f00f0, 0x285e1d47, 0x36194d42, 0x32d850f5, 0x3f9b762c,
    0x3b5a6b9b, 0x0315d626, 0x07d4cb91, 0x0a97ed48, 0x0e56f0ff,
    0x1011a0fa, 0x14d0bd4d, 0x19939b94, 0x1d528623, 0xf12f560e,
    0xf5ee4bb9, 0xf8ad6d60, 0xfc6c70d7, 0xe22b20d2, 0xe6ea3d65,
    0xeba91bbc, 0xef68060b, 0xd727bbb6, 0xd3e6a601, 0xdea580d8,
    0xda649d6f, 0xc423cd6a, 0xc0e2d0dd, 0xcda1f604, 0xc960ebb3,
    0xbd3e8d7e, 0xb9ff90c9, 0xb4bcb610, 0xb07daba7, 0xae3afba2,
    0xaafbe615, 0xa7b8c0cc, 0xa379dd7b, 0x9b3660c6, 0x9ff77d71,
    0x92b45ba8, 0x9675461f, 0x8832161a, 0x8cf30bad, 0x81b02d74,
    0x857130c3, 0x5d8a9099, 0x594b8d2e, 0x5408abf7, 0x50c9b640,
    0x4e8ee645, 0x4a4ffbf2, 0x470cdd2b, 0x43cdc09c, 0x7b827d21,
    0x7f436096, 0x7200464f, 0x76c15bf8, 0x68860bfd, 0x6c47164a,
    0x61043093, 0x65c52d24, 0x119b4be9, 0x155a565e, 0x18197087,
    0x1cd86d30, 0x029f3d35, 0x065e2082, 0x0b1d065b, 0x0fdc1bec,
    0x3793a651, 0x3352bbe6, 0x3e119d3f, 0x3ad08088, 0x2497d08d,
    0x2056cd3a, 0x2d15ebe3, 0x29d4f654, 0xc5a92679, 0xc1683bce,
    0xcc2b1d17, 0xc8ea00a0, 0xd6ad50a5, 0xd26c4d12, 0xdf2f6bcb,
    0xdbee767c, 0xe3a1cbc1, 0xe760d676, 0xea23f0af, 0xeee2ed18,
    0xf0a5bd1d, 0xf464a0aa, 0xf9278673, 0xfde69bc4, 0x89b8fd09,
    0x8d79e0be, 0x803ac667, 0x84fbdbd0, 0x9abc8bd5, 0x9e7d9662,
    0x933eb0bb, 0x97ffad0c, 0xafb010b1, 0xab710d06, 0xa6322bdf,
    0xa2f33668, 0xbcb4666d, 0xb8757bda, 0xb5365d03, 0xb1f740b4
};

typedef struct crc32ctx
{
    uint32_t crc;
    uint32_t length;
} CRC32Ctx;


#define COMPUTE(var, ch)    (var) = (var) << 8 ^ crctab[(var) >> 24 ^ (ch)]

void crc32_stream_init( CRC32Ctx* ctx )
{
    ctx->crc = 0;
    ctx->length = 0;
}

void crc32_stream_compute_uint32( CRC32Ctx* ctx, uint32_t data )
{
    COMPUTE( ctx->crc, data & 0xFF );
    COMPUTE( ctx->crc, ( data >> 8 ) & 0xFF );
    COMPUTE( ctx->crc, ( data >> 16 ) & 0xFF );
    COMPUTE( ctx->crc, ( data >> 24 ) & 0xFF );
    ctx->length += 4;
}

void crc32_stream_compute_uint8( CRC32Ctx* ctx, uint8_t data )
{
    COMPUTE( ctx->crc, data );
    ctx->length++;
}

void crc32_stream_finilize( CRC32Ctx* ctx )
{
    uint32_t len = ctx->length;
    for( ; len != 0; len >>= 8 )
    {
        COMPUTE( ctx->crc, len & 0xFF );
    }
    ctx->crc = ~ctx->crc;
}

/*** pseudo code ***/
CRC32Ctx crc;
crc32_stream_init(&crc);

while((just_received_buffer_len = received_anything()))
{
    for(int i = 0; i < just_received_buffer_len; i++)
    {
        crc32_stream_compute_uint8(&crc, buf[i]); // assuming buf is uint8_t*
    }
}
crc32_stream_finilize(&crc);
printf("%x", crc.crc); // ta daaa

Answer 6

zlib標頭中提供的adler32廣告宣傳速度明顯快於crc32，而精度稍差。

Answer 7

CRC32可能已經足夠好了，盡管你可能會遇到很小的碰撞，因此修改過的文件可能看起來沒有，因為這兩個版本生成相同的校驗和。 為了避免這種可能性，我建議使用MD5，它很容易就足夠快，並且發生碰撞的幾率降低到幾乎無限的程度。

正如其他人所說，有很多小文件，你真正的性能瓶頸將是I / O，因此問題就是解決這個問題。 如果你發布一些更多的細節，有人可能會建議一種方法來排序。

Answer 8

您最重要的要求是“檢查內容是否已更改”。

如果最重要的是檢測到文件中的任何更改，則應該選擇MD-5，SHA-1甚至SHA-256。

鑒於您表明校驗和不是加密的，我建議使用CRC-32有三個原因。 CRC-32在8K文件上提供了良好的漢明距離。 CRC-32至少要比MD-5快一個數量級來計算（你的第二個要求）。 有時同樣重要的是，CRC-32只需要32位來存儲要比較的值。 MD-5需要4倍的存儲空間，而SHA-1需要5倍的存儲空間。

順便說一句，任何技術都會通過在計算哈希時預先計算文件的長度來加強。

Answer 9

根據Luke指出的Wiki 頁面 ，MD5實際上比CRC32更快！

我在Windows Vista上使用Python 2.6自己嘗試過，得到了相同的結果。

以下是一些結果：

crc32：162.481544276 MBps md5：224.489791549 MBps

crc32：168.332996575 MBps md5：226.089336532 MBps

crc32：155.851515828 MBps md5：194.943289532 MBps

我也在考慮同樣的問題，我很想使用Rsync的Adler-32變體來檢測文件差異。

Answer 10

只是上面的后記; jpegs使用有損壓縮，壓縮程度可能取決於用於創建jpeg的程序，系統上的顏色調色板和/或位深度，顯示伽瑪，圖形卡和用戶設置的壓縮級別/顏色設置。 因此，在字節級別比較構建在不同計算機/平台上或使用不同軟件的jpeg將非常困難。

Answer 11

這比 CCITT 快 5 倍並且完成了完全相同的工作：

Python：

def crc16_fast(data: bytearray, length):
crc = 0xCACA
for i in range(length):
    crc ^= data[i]
return crc

C：

uint16_t crc16_fast(const uint16_t* data, size_t length)
{
    uint16_t crc = 0xCACA;
    for (size_t i = 0; i < length; i++) 
        crc ^= data[i];
    return crc;
}