Pregunta matemática respecto uuid4 de Python

Question

No estoy muy bien con las matemáticas, estadísticas, etc. Me he estado preguntando, si utilizo el siguiente:

import uuid 
unique_str = str(uuid.uuid4()) 
double_str = ''.join([str(uuid.uuid4()), str(uuid.uuid4())]) 

Es double_str cadena cuadrado tan único como unique_str o simplemente una cierta cantidad más único? Además, ¿hay alguna implicación negativa al hacer algo como esto (como una situación de problema de cumpleaños, etc.)? Esto puede sonar ignorante, pero simplemente no lo sabría ya que mis matemáticas abarcan álgebra 2 en el mejor de los casos.

Answer 1

La función devuelve un UUID uuid4 creado a partir de 16 bytes aleatorios y es extremadamente poco probable que produzca una colisión, hasta el punto en el que es probable que ni siquiera debe preocuparse por ello.

Si por alguna razón uuid4hace producir un duplicado es mucho más probable que sea un error de programación, tales como un fracaso para inicializar correctamente el generador de números aleatorios que genuina mala suerte. En cuyo caso, la aproximación que está utilizando será no que sea mejor: un generador de números aleatorios inicializado incorrectamente aún puede generar duplicados incluso con su enfoque.

Si utiliza la implementación predeterminada random.seed(None) se puede ver en el source que sólo 16 bytes aleatorios se utilizan para inicializar el generador de números aleatorios, por lo que esta es una cuestión que tendría que resolver primero. Además, si el sistema operativo no proporciona una fuente de aleatoriedad, se utilizará la hora del sistema, que no es muy aleatoria.

Pero ignorando estos problemas prácticos, usted está básicamente en la línea correcta. Para usar un enfoque matemático primero debemos definir lo que quiere decir con "singularidad". Creo que una definición razonable es la cantidad de ID que necesita generar antes de que la probabilidad de generar un duplicado supere alguna probabilidad p. Una fórmula approcimate de esto es:

donde d es 2**(16*8) para un único UUID generado aleatoriamente y 2**(16*2*8) con su enfoque sugerido. La raíz cuadrada en la fórmula se debe al Birthday Paradox. Pero si lo resuelves, puedes ver que si cuadras el rango de valores d manteniendo constante p, entonces también cuadras n.

Answer 2

Depende del generador de números aleatorios, pero su singularidad es casi cuadrada.

Answer 3

Dado que uuid4 se basa en un generador de números pseudoaleatorio, llamarlo dos veces no cuadrará la cantidad de "unicidad" (y puede que incluso no agregue ningún carácter único).

Ver también When should I use uuid.uuid1() vs. uuid.uuid4() in python?