Преобразование вывода хэш-байтов в целое число разрешено?

У меня есть код со следующими строками:

CAST(HASHBYTES('MD5', 'some long string with up to 256 characters') AS int)
CAST(HASHBYTES('SHA2_256', 'some very very long string...') AS int)

Это было сделано для создания уникального значения int, а позже значение int используется в качестве ключа поиска (или внешнего ключа в соединении). Итак, мое лучшее предположение о том, почему это делается таким образом, - это ускорить соединение и иметь возможность генерировать индекс (и не упираться в ограничение в 900 байтов).

Но я не уверен, что приведенный выше вывод не создаст гораздо больше коллизий при преобразовании его в int.

Насколько я понимаю, невозможно представить хеш MD5 или даже хеш SHA-256 как значение int...

Первоначально код был разработан на SQL-Server 2008. В настоящее время я использую SQL-Server 2014.

tsql sql-server-2012 sql-server-2014

22.02.2016

Итак, вам просто нужно уникальное значение INT? Разве вы не можете использовать увеличивающуюся личность? 22.02.2016
Мне нужна уникальность int на основе строки. Таким образом, одна и та же строка должна давать одно и то же значение int. 23.02.2016
та же строка -›то же целое? Как так? учитывая, что int по-прежнему имеет длину 4 байта. 28.02.2016
До сих пор это работало, потому что строки были короткими, и я предполагаю, что это чистое совпадение, основанное на внутреннем приведении к int. 02.03.2016

Ответы:

Конечно, это создаст гораздо больше столкновений. int составляет всего 4 байта (32 бита), тогда как MD5 генерирует 20 (160 бит) и SHA2_256 32 (256 бит). Меньше битов означает меньше уникальных значений, поэтому больше коллизий.

Технически это разрешено...

12.12.2019

Новые материалы

Объяснение документов 02: BERT

BERT представил двухступенчатую структуру обучения: предварительное обучение и тонкая настройка. Во время предварительного обучения модель обучается на неразмеченных данных с помощью..

Как проанализировать работу вашего классификатора?

Не всегда просто знать, какие показатели использовать С развитием глубокого обучения все больше и больше людей учатся обучать свой первый классификатор. Но как только вы закончите..

Работа с цепями Маркова, часть 4 (Машинное обучение)

Нелинейные цепи Маркова с агрегатором и их приложения (arXiv) Автор : Бар Лайт Аннотация: Изучаются свойства подкласса случайных процессов, называемых дискретными нелинейными цепями Маркова..

Crazy Laravel Livewire упростил мне создание электронной коммерции (панель администратора и API) [Часть 3]

Как вы сегодня, ребята? В этой части мы создадим CRUD для данных о продукте. Думаю, в этой части я не буду слишком много делиться теорией, но чаще буду делиться своим кодом. Потому что..

Использование машинного обучения и Python для классификации 1000 сезонов новичков MLB Hitter

Чему может научиться машина, глядя на сезоны новичков 1000 игроков MLB? Это то, что исследует это приложение. В этом процессе мы будем использовать неконтролируемое обучение, чтобы..

Учебные заметки: создание моего первого пакета Node.js

Это мои обучающие заметки, когда я научился создавать свой самый первый пакет Node.js, распространяемый через npm. Оглавление Глоссарий I. Новый пакет 1.1 советы по инициализации..

Забудьте о Matplotlib: улучшите визуализацию данных с помощью умопомрачительных функций Seaborn!

Примечание. Эта запись в блоге предполагает базовое знакомство с Python и концепциями анализа данных. Привет, энтузиасты данных! Добро пожаловать в мой блог, где я расскажу о невероятных..

Метки

Machine Learning JavaScript Data Science Artificial Intelligence Software Development Python Web Development Coding Deep Learning AI React Software Engineering Nodejs Java Front End Development Typescript Computer Science Data Algorithms Development NLP Tech Programming Languages CSS ChatGPT HTML Python Programming Javascript Tips Angular Computer Vision Startup Data Visualization Neural Networks Tutorial Statistics Productivity Reactjs Learning