自然键的crc32作为主键
crc32 of natural key as a primary key
我有一个 TCG 卡片数据库，我正在尝试确定一个主键。我最初使用代理键解决，但我意识到有时我会忘记添加一些卡片，例如赠卡。这对代理键来说是有问题的，因为它们是用最新的自动增量添加到数据库中的，我不希望它们的 ID 取决于它们插入的顺序。我在想也许我可以对某些卡片功能进行哈希处理并将其用作主键？
以下面的伪代码为例：
// set code, date released, collector number, name
$crc = crc32(implode(',', ['A', '1993-08-03', '232a', 'black lotus']));
echo $crc; // 4199975187
卡片的可能数量现在徘徊在 25k 左右，并且每 6 个月增加 100-300 左右。
- 按照这个速度，不会发生碰撞吧？
- 这是好的做法吗？我还有其他好的选择吗？
我知道我可以通过将哈希值转换为 base 62 来缩短哈希值，但我会将它们加入用户的清单 table 所以我认为将它们保留在 int 中是最好的选择。
我对此表示反对：
This is problematic with the surrogate key because they get added to the database with the latest auto increment and I didn't want their IDs to depend on the order they were inserted.
ID（正确："Id"，因为它是缩写，而不是首字母缩写词）是 "Identity" 的缩写，它具有每个元素唯一的 属性，即即，它用于标识每个元素。您不应附加任何其他含义，因此它随插入顺序单调增加的事实是无关紧要的，并且按生成的标识列对数据进行排序是没有意义的（除非它位于用于按 ID 查找的索引中）。在这种情况下，您应该将 ID 视为不透明句柄。
当然，如果您使用摘要（例如 CRC-32），Id 的排序顺序是没有意义的，但实际上比单调递增的 Id 更实用。
您正确识别了哈希冲突的风险，CRC-32 的范围 space 只有 32 位，如果您有 25,000 张卡片，那么生日问题会告诉我们哈希冲突的几率在这么小的范围内 space 不是微不足道的。
只需使用自动生成的 Id 值。 :)
使用计算出的散列作为标识符/键确实有实用性 - 这就是散列-tables 的工作方式，因为它允许您按值快速找到某些东西，而无需实际搜索所有 table（例如，要找到 Black Lotus 卡，像您一样获取其属性的哈希值，然后在 ID 列中查找计算出的哈希值，而不必执行 SELECT ... WHERE code = 'A' AND ... AND name = 'black lotus'，但它确实需要您知道首先是每个 属性 值，如果您设置了正确的 table 索引，这很快就会变得没有实际意义。
使用散列作为主键的主要问题是：
- 主键应该是 immutable ("never-changing")
- 密钥现在取决于数据
- 如果数据发生变化，（例如 "blcak lotus" 变为 "Black Lotus"）则密钥无效，必须重新创建，但您不能这样做，因为密钥是 immutable ...使先前计算的 Id 无效。
QED:)
学习这个link：-
http://preshing.com/20110504/hash-collision-probabilities/
您会看到，对于 任何 32 位散列和 25K 以上的值，发生冲突的几率接近十分之一——无论散列算法有多好。
您要么需要一种处理冲突的机制，要么改用 64 位哈希算法。根据这个，CRC64 似乎已经足够好了
crc collisions at various bit sizes 1820 万个样本零碰撞。
我有一个 TCG 卡片数据库，我正在尝试确定一个主键。我最初使用代理键解决，但我意识到有时我会忘记添加一些卡片，例如赠卡。这对代理键来说是有问题的，因为它们是用最新的自动增量添加到数据库中的，我不希望它们的 ID 取决于它们插入的顺序。我在想也许我可以对某些卡片功能进行哈希处理并将其用作主键？
以下面的伪代码为例：
// set code, date released, collector number, name
$crc = crc32(implode(',', ['A', '1993-08-03', '232a', 'black lotus']));
echo $crc; // 4199975187
卡片的可能数量现在徘徊在 25k 左右，并且每 6 个月增加 100-300 左右。
- 按照这个速度，不会发生碰撞吧？
- 这是好的做法吗？我还有其他好的选择吗？
我知道我可以通过将哈希值转换为 base 62 来缩短哈希值，但我会将它们加入用户的清单 table 所以我认为将它们保留在 int 中是最好的选择。
我对此表示反对：
This is problematic with the surrogate key because they get added to the database with the latest auto increment and I didn't want their IDs to depend on the order they were inserted.
ID（正确："Id"，因为它是缩写，而不是首字母缩写词）是 "Identity" 的缩写，它具有每个元素唯一的 属性，即即，它用于标识每个元素。您不应附加任何其他含义，因此它随插入顺序单调增加的事实是无关紧要的，并且按生成的标识列对数据进行排序是没有意义的（除非它位于用于按 ID 查找的索引中）。在这种情况下，您应该将 ID 视为不透明句柄。
当然，如果您使用摘要（例如 CRC-32），Id 的排序顺序是没有意义的，但实际上比单调递增的 Id 更实用。
您正确识别了哈希冲突的风险，CRC-32 的范围 space 只有 32 位，如果您有 25,000 张卡片，那么生日问题会告诉我们哈希冲突的几率在这么小的范围内 space 不是微不足道的。
只需使用自动生成的 Id 值。 :)
使用计算出的散列作为标识符/键确实有实用性 - 这就是散列-tables 的工作方式，因为它允许您按值快速找到某些东西，而无需实际搜索所有 table（例如，要找到 Black Lotus 卡，像您一样获取其属性的哈希值，然后在 ID 列中查找计算出的哈希值，而不必执行 SELECT ... WHERE code = 'A' AND ... AND name = 'black lotus'，但它确实需要您知道首先是每个 属性 值，如果您设置了正确的 table 索引，这很快就会变得没有实际意义。
使用散列作为主键的主要问题是：
- 主键应该是 immutable ("never-changing")
- 密钥现在取决于数据
- 如果数据发生变化，（例如 "blcak lotus" 变为 "Black Lotus"）则密钥无效，必须重新创建，但您不能这样做，因为密钥是 immutable ...使先前计算的 Id 无效。
QED:)
学习这个link：- http://preshing.com/20110504/hash-collision-probabilities/
您会看到，对于 任何 32 位散列和 25K 以上的值，发生冲突的几率接近十分之一——无论散列算法有多好。
您要么需要一种处理冲突的机制，要么改用 64 位哈希算法。根据这个，CRC64 似乎已经足够好了 crc collisions at various bit sizes 1820 万个样本零碰撞。