电子邮件的 10 字符哈希答案

【问题标题】：10-char hash of an email电子邮件的 10 字符哈希
【发布时间】：2011-12-12 10:58:30
【问题描述】：

使用 10 个字符的哈希值来识别电子邮件地址的可靠性如何？

MailChimp 有 10 个字符的字母数字 ID 用于电子邮件地址。 10 个字符 4 位，每个 40 位，略超过一万亿。也许对于像 MailChimp 这样规模的企业来说，这为唯一索引空间提供了合理的空间，并且他们有一个包含所有可能电子邮件的表，并使用 40 位数字进行索引。

我喜欢使用相同样式的哈希或编码 ID 来包含在链接中。要决定是使用索引还是哈希，需要估计两个有效电子邮件地址导致相同 10 字符哈希的概率。

除了原始测试之外，任何关于评估自定义散列函数的提示？

【问题讨论】：

【解决方案1】：

您没有明确说明“可靠”是什么意思，但我认为您是在努力避免冲突。正如 wildplasser 所说，对于随机标识符，这完全是关于生日悖论，当使用 2^(n/2) 个 ID 时，在具有 2^n 个 ID 的标识符空间中发生冲突的可能性达到 50%。

Birthday Attacks 上的维基百科页面有一个很好的表格，说明了各种参数下的碰撞概率；例如，对于 64 位和期望的最大碰撞概率为百万分之一，您可以拥有大约 600 万个标识符。

请记住，用字符表示数据的方法比十六进制更有效；例如，base64 每 4 个字符为您提供 3 个字节，这意味着 10 个字符为您提供 60 位，而不是 40 位十六进制。

【讨论】：