Una función de cadena suma de comprobación rápida de los valores de generación de Perl en el rango 0..2^32-1

Question

Busco una función Perl cadena de suma de comprobación con las siguientes propiedades:

• de entrada: cadena Unicode de indefinido longitud ($string)
• de salida: número entero sin signo ($hash), para lo cual 0 <= $hash <= 2^32-1 bodegas (0 a 4,294,967,295, que corresponde al tamaño de un 4-byte MySQL unsigned int)

Pseudo-código:

sub checksum { 
    my $string = shift; 
    my $hash; 
    ... checksum logic goes here ... 
    die unless ($hash >= 0); 
    die unless ($hash <= 4_294_967_295); 
    return $hash; 
} 

Idealmente la función de suma de control debe ser rápido para funcionar y debe generar valores algo de manera uniforme en el espacio objetivo (0 .. 2^32-1) para evitar colisiones. En esta aplicación, las colisiones aleatorias son totalmente no fatales, pero obviamente quiero evitarlas en la medida de lo posible.

Teniendo en cuenta estos requisitos, ¿cuál es la mejor manera de resolver esto?

Answer 1

Cualquier función hash será suficiente - simplemente trunquela a 4 bytes y conviértala en un número. Las buenas funciones hash tienen una distribución aleatoria, y esta distribución será constante sin importar dónde trunque la cadena.

Sugiero Digest::MD5 porque es la implementación de hash más rápida que viene con Perl como estándar. String :: CRC, como menciona Pim, también se implementa en C y debería ser más rápido.

continuación se explica cómo calcular el hash y convertirlo en un entero:

use Digest::MD5 qw(md5); 
my $str = substr(md5("String-to-hash"), 0, 4); 
print unpack('L', $str); # Convert to 4-byte integer (long) 

Answer 2

No sé qué tan rápido es, pero puede intentar String::CRC.

Answer 3

De perldoc -f unpack:

 For example, the following computes the same number as the 
     System V sum program: 

      $checksum = do { 
       local $/; # slurp! 
       unpack("%32W*",<>) % 65535; 
      };