稳健快速的校验和算法?

如果你有很多小文件,你的瓶颈将是文件I/O,而可能不是校验和算法。

可以找到哈希函数列表(可以看作是校验和) here .

您是否有任何理由不能使用文件系统的修改日期来确定文件是否已更改?这可能会更快。

有很多快速的CRC算法可以做到这一点: http://www.google.com/search?hl=en&q=fast+crc&aq=f&oq=

编辑: 为什么仇恨?正如其他答案所证明的那样,CRC是完全合适的。谷歌搜索也是合适的,因为没有指定语言。这是一个古老的问题,已经解决了很多次,不太可能有一个明确的答案。

• CRC-32 我之所以想到它,主要是因为它的计算成本很低

• 任何类型的I/O都会出现在脑海中,主要是因为这将是此类任务的限制因素;)

• 问题不在于计算校验和,问题在于将图像放入内存以计算校验和。

• 我建议“分期”监测:

  • 第一阶段:检查文件时间戳的变化,如果你检测到变化,就移交给。。。
    (如编辑版本所述,您的情况不需要)

  • 第二阶段:将图像存入内存并计算校验和

• 当然也很重要: 多执行绪 :设置一个流水线,如果有多个CPU核可用,则可以并行处理多个图像。

如果您通过网络接收文件,则可以在接收文件时计算校验和。这将确保您在数据在内存中时计算校验和。因此,您不必从磁盘将它们加载到内存中。

我相信,如果你应用这种方法,你的系统开销几乎为零。

这是我在嵌入式系统上使用的例程,该系统对固件和其他东西进行校验和控制。

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

CRC

zlib头文件中提供的adler32被宣传为比crc32快得多,但准确性稍低。

CRC32可能已经足够好了,尽管有 小的 您可能会遇到冲突,这样一个被修改的文件可能看起来没有冲突,因为两个版本生成了相同的校验和。因此,为了避免这种可能性,我建议使用MD5,它很容易足够快,碰撞发生的可能性降低到几乎无限的程度。

正如其他人所说,对于大量的小文件,你真正的性能瓶颈将是I/O,所以问题在于如何处理它。如果你发布更多细节,可能会有人提出一种解决方案。

你最重要的要求是“检查内容是否发生了变化”。

如果检测到文件中的任何更改是最重要的,MD-5、SHA-1甚至SHA-256应该是您的选择。

鉴于您表示校验和在加密方面不好,我建议使用CRC-32,原因有三。CRC-32在8K文件上提供了良好的锤击距离。CRC-32的计算速度至少比MD-5快一个数量级(您的第二个要求)。有时同样重要的是,CRC-32只需要32位来存储要比较的值。MD-5需要4倍的存储,SHA-1需要5倍的存储。

顺便说一句,在计算哈希值时,任何技术都会通过预先添加文件的长度来加强。

根据维基 page 卢克指出,MD5实际上比CRC32快!

我自己在Windows Vista上使用Python 2.6尝试过,也得到了同样的结果。

以下是一些结果:

crc32:162.481544276 MBps md5:224.489791549 MBps

crc32:168.332996575 MBps md5:226.089336532 MBps

crc32:155.851515828 MBps md5:194.943289532 MBps

我也在思考同样的问题,我很想使用Rsync的Adler-32变体来检测文件差异。

只是对上述内容的补充;jpeg使用有损压缩,压缩程度可能取决于用于创建jpeg的程序、系统上的颜色调色板和/或位深度、显示伽玛、图形卡和用户设置的压缩级别/颜色设置。因此,在字节级别比较基于不同计算机/平台或使用不同软件构建的JPEG将非常困难。