如何计算大文件块的哈希？

Question

我希望能够在 C# 中计算任意大小的文件块的哈希值。

例如：计算 4gb 文件中第 3g 字节的哈希值。

主要问题是我不想将整个文件加载到内存中，因为可能有多个文件，并且偏移量可能非常随意。

AFAIK，HashAlgorithm.ComputeHash 允许我使用流的字节缓冲区。流将允许我有效地计算哈希，但对于整个文件，而不仅仅是特定块。

我正在考虑创建一个备用 FileStream 对象并将其传递给 ComputeHash，在那里我将重载 FileStream 方法并只读文件中的某个块。

有没有比这更好的解决方案，最好使用内置的 C# 库？ 谢谢。

Answer 1

你应该传入：

• 一个字节数组，包含用于计算哈希的数据块
• 限制访问您要从中计算哈希的块的流

第二个选项并不难，这是我一起编写的一个快速的LINQPad 程序。请注意，它缺少很多错误处理，例如检查块是否实际可用（即，您传递的流的位置和长度实际存在并且不会脱离底层的末尾流）。

不用说，如果这最终成为生产代码，我会添加很多错误处理，并编写一堆单元测试以确保正确处理所有边缘情况。

您可以像这样为您的文件构造PartialStream 实例：

const long gb = 1024 * 1024 * 1024;
using (var fileStream = new FileStream(@"d:\temp\too_long_file.bin", FileMode.Open))
using (var chunk = new PartialStream(fileStream, 2 * gb, 1 * gb))
{
    var hash = hashAlgorithm.ComputeHash(chunk);
}

这是LINQPad 测试程序：

void Main()
{
    var buffer = Enumerable.Range(0, 256).Select(i => (byte)i).ToArray();
    using (var underlying = new MemoryStream(buffer))
    using (var partialStream = new PartialStream(underlying, 64, 32))
    {
        var temp = new byte[1024]; // too much, ensure we don't read past window end
        partialStream.Read(temp, 0, temp.Length);
        temp.Dump();
        // should output 64-95 and then 0's for the rest (64-95 = 32 bytes)
    }
}

public class PartialStream : Stream
{
    private readonly Stream _UnderlyingStream;
    private readonly long _Position;
    private readonly long _Length;

    public PartialStream(Stream underlyingStream, long position, long length)
    {
        if (!underlyingStream.CanRead || !underlyingStream.CanSeek)
            throw new ArgumentException("underlyingStream");

        _UnderlyingStream = underlyingStream;
        _Position = position;
        _Length = length;
        _UnderlyingStream.Position = position;
    }

    public override bool CanRead
    {
        get
        {
            return _UnderlyingStream.CanRead;
        }
    }

    public override bool CanWrite
    {
        get
        {
            return false;
        }
    }

    public override bool CanSeek
    {
        get
        {
            return true;
        }
    }

    public override long Length
    {
        get
        {
            return _Length;
        }
    }

    public override long Position
    {
        get
        {
            return _UnderlyingStream.Position - _Position;
        }

        set
        {
            _UnderlyingStream.Position = value + _Position;
        }
    }

    public override void Flush()
    {
        throw new NotSupportedException();
    }

    public override long Seek(long offset, SeekOrigin origin)
    {
        switch (origin)
        {
            case SeekOrigin.Begin:
                return _UnderlyingStream.Seek(_Position + offset, SeekOrigin.Begin) - _Position;

            case SeekOrigin.End:
                return _UnderlyingStream.Seek(_Length + offset, SeekOrigin.Begin) - _Position;

            case SeekOrigin.Current:
                return _UnderlyingStream.Seek(offset, SeekOrigin.Current) - _Position;

            default:
                throw new ArgumentException("origin");
        }
    }

    public override void SetLength(long length)
    {
        throw new NotSupportedException();
    }

    public override int Read(byte[] buffer, int offset, int count)
    {
        long left = _Length - Position;
        if (left < count)
            count = (int)left;
        return _UnderlyingStream.Read(buffer, offset, count);
    }

    public override void Write(byte[] buffer, int offset, int count)
    {
        throw new NotSupportedException();
    }
}

Answer 2

您可以直接使用TransformBlock 和TransformFinalBlock。这与HashAlgorithm.ComputeHash 在内部所做的非常相似。

类似：

using(var hashAlgorithm = new SHA256Managed())
using(var fileStream = new File.OpenRead(...))
{     
    fileStream.Position = ...;
    long bytesToHash = ...;

    var buf = new byte[4 * 1024];
    while(bytesToHash > 0)
    {
        var bytesRead = fileStream.Read(buf, 0, (int)Math.Min(bytesToHash, buf.Length));
        hashAlgorithm.TransformBlock(buf, 0, bytesRead, null, 0);
        bytesToHash -= bytesRead;
        if(bytesRead == 0)
            throw new InvalidOperationException("Unexpected end of stream");
    }
    hashAlgorithm.TransformFinalBlock(buf, 0, 0);
    var hash = hashAlgorithm.Hash;
    return hash;
};

Answer 3

您的建议 - 为您的 FileStream 传递一个受限访问包装器 - 是最干净的解决方案。您的包装器应将所有内容都交给包装的 Stream 除了 Length 和 Position 属性。

怎么样？只需创建一个继承自Stream 的类。让构造函数取：

• 您的来源Stream（在您的情况下为FileStream）
• 区块起始位置
• 区块结束位置

作为扩展 - 这是所有可用 http://msdn.microsoft.com/en-us/library/system.io.stream%28v=vs.100%29.aspx#inheritanceContinued 的 Streams 的列表

Answer 4

要轻松计算较大流的一个块的哈希，请使用以下两种方法：

• HashAlgorithm.TransformBlock
• HashAlgorithm.TransformFinalBlock

这里有一个 LINQPad 程序演示：

void Main()
{
    const long gb = 1024 * 1024 * 1024;
    using (var stream = new FileStream(@"d:\temp\largefile.bin", FileMode.Open))
    {
        stream.Position = 2 * gb; // 3rd gb-chunk
        byte[] buffer = new byte[32768];
        long amount = 1 * gb;

        using (var hashAlgorithm = SHA1.Create())
        {
            while (amount > 0)
            {
                int bytesRead = stream.Read(buffer, 0,
                    (int)Math.Min(buffer.Length, amount));

                if (bytesRead > 0)
                {
                    amount -= bytesRead;
                    if (amount > 0)
                        hashAlgorithm.TransformBlock(buffer, 0, bytesRead,
                            buffer, 0);
                    else
                        hashAlgorithm.TransformFinalBlock(buffer, 0, bytesRead);
                }
                else
                    throw new InvalidOperationException();
            }
            hashAlgorithm.Hash.Dump();
        }
    }
}

Answer 5

回答你原来的问题（“有没有更好的解决方案...”）：

我不知道。

这似乎是一项非常特殊、不平凡的任务，因此无论如何都可能涉及一些额外的工作。我认为您使用自定义 Stream 类的方法是正确的，我可能会做同样的事情。

Gusdor 和 xander 已经提供了关于如何实现它的非常有用的信息——干得好！