web-dev-qa-db-ja.com

堅牢で高速なチェックサムアルゴリズム？

次のユースケースでは、どのチェックサムアルゴリズムを推奨できますか？

小さなJPEGファイル（それぞれ約8 kB）のチェックサムを生成して、コンテンツが変更されたかどうかを確認したいと思います。残念ながら、ファイルシステムの日付変更を使用することはできません。
チェックサム必要ありません暗号的に強力ですが、任意のサイズの変更を確実に示す必要があります。

2番目の基準は速度です。これは、1秒あたり少なくとも数百の画像を処理できるはずだからです（最新のCPUでは） 。

計算は、複数のクライアントを持つサーバーで実行されます。クライアントはギガビットTCPを介してサーバーにイメージを送信します。したがって、ボトルネックとしてディスクI/Oなしがあります。

algorithmimagechecksum
30
Benedikt Waldvogel

小さなファイルが多数ある場合、ボトルネックはファイルI/Oであり、おそらくチェックサムアルゴリズムではありません。

ハッシュ関数のリスト（チェックサムと考えることができます）は ここ にあります。

ファイルシステムの変更日を使用して、ファイルが変更されたかどうかを判断できない理由はありますか？それはおそらくもっと速いでしょう。

17
luke

トリックを実行する必要がある高速CRCアルゴリズムはたくさんあります： http://www.google.com/search?hl=en&q=fast+crc&aq=f&oq=

編集：なぜ嫌いなのですか？他の回答からも明らかなように、CRCは完全に適切です。言語が指定されていないため、Google検索も適切でした。これは古くて古い問題であり、何度も解決されているため、決定的な答えはありそうにありません。

10
Mark Ransom

  • CRC-32 主に計算が安いという理由で頭に浮かぶ

  • あらゆる種類のI/Oが頭に浮かぶのは、主にこれがそのような事業の制限要因になるためです;）

  • 問題はチェックサムの計算ではなく、チェックサムを計算するために画像をメモリに取り込むことです。

  • 「スタッグ」モニタリングをお勧めします。

    • ステージ1：ファイルのタイムスタンプの変更を確認し、変更を検出した場合は...に渡します。
      （編集されたバージョンで説明されているように、あなたの場合は必要ありません）

    • ステージ2：画像をメモリに取り込み、チェックサムを計算します

  • 確かに重要なこともあります：マルチスレッド：複数のCPUコアが使用可能な場合に、複数のイメージを並行して処理できるようにするパイプラインを設定します。

7
pointernil

ネットワーク経由でファイルを受信して​​いる場合は、ファイルを受信したときにチェックサムを計算できます。これにより、データがメモリ内にあるときにチェックサムを計算できるようになります。したがって、ディスクからメモリにロードする必要はありません。

この方法を適用すると、システムのオーバーヘッドはほぼゼロになると思います。

これは、ファームウェアやその他のもののチェックサム制御を行う組み込みシステムで使用しているルーチンです。

static const uint32_t crctab[] = {
    0x0,
    0x04c11db7, 0x09823b6e, 0x0d4326d9, 0x130476dc, 0x17c56b6b,
    0x1a864db2, 0x1e475005, 0x2608edb8, 0x22c9f00f, 0x2f8ad6d6,
    0x2b4bcb61, 0x350c9b64, 0x31cd86d3, 0x3c8ea00a, 0x384fbdbd,
    0x4c11db70, 0x48d0c6c7, 0x4593e01e, 0x4152fda9, 0x5f15adac,
    0x5bd4b01b, 0x569796c2, 0x52568b75, 0x6a1936c8, 0x6ed82b7f,
    0x639b0da6, 0x675a1011, 0x791d4014, 0x7ddc5da3, 0x709f7b7a,
    0x745e66cd, 0x9823b6e0, 0x9ce2ab57, 0x91a18d8e, 0x95609039,
    0x8b27c03c, 0x8fe6dd8b, 0x82a5fb52, 0x8664e6e5, 0xbe2b5b58,
    0xbaea46ef, 0xb7a96036, 0xb3687d81, 0xad2f2d84, 0xa9ee3033,
    0xa4ad16ea, 0xa06c0b5d, 0xd4326d90, 0xd0f37027, 0xddb056fe,
    0xd9714b49, 0xc7361b4c, 0xc3f706fb, 0xceb42022, 0xca753d95,
    0xf23a8028, 0xf6fb9d9f, 0xfbb8bb46, 0xff79a6f1, 0xe13ef6f4,
    0xe5ffeb43, 0xe8bccd9a, 0xec7dd02d, 0x34867077, 0x30476dc0,
    0x3d044b19, 0x39c556ae, 0x278206ab, 0x23431b1c, 0x2e003dc5,
    0x2ac12072, 0x128e9dcf, 0x164f8078, 0x1b0ca6a1, 0x1fcdbb16,
    0x018aeb13, 0x054bf6a4, 0x0808d07d, 0x0cc9cdca, 0x7897ab07,
    0x7c56b6b0, 0x71159069, 0x75d48dde, 0x6b93dddb, 0x6f52c06c,
    0x6211e6b5, 0x66d0fb02, 0x5e9f46bf, 0x5a5e5b08, 0x571d7dd1,
    0x53dc6066, 0x4d9b3063, 0x495a2dd4, 0x44190b0d, 0x40d816ba,
    0xaca5c697, 0xa864db20, 0xa527fdf9, 0xa1e6e04e, 0xbfa1b04b,
    0xbb60adfc, 0xb6238b25, 0xb2e29692, 0x8aad2b2f, 0x8e6c3698,
    0x832f1041, 0x87ee0df6, 0x99a95df3, 0x9d684044, 0x902b669d,
    0x94ea7b2a, 0xe0b41de7, 0xe4750050, 0xe9362689, 0xedf73b3e,
    0xf3b06b3b, 0xf771768c, 0xfa325055, 0xfef34de2, 0xc6bcf05f,
    0xc27dede8, 0xcf3ecb31, 0xcbffd686, 0xd5b88683, 0xd1799b34,
    0xdc3abded, 0xd8fba05a, 0x690ce0ee, 0x6dcdfd59, 0x608edb80,
    0x644fc637, 0x7a089632, 0x7ec98b85, 0x738aad5c, 0x774bb0eb,
    0x4f040d56, 0x4bc510e1, 0x46863638, 0x42472b8f, 0x5c007b8a,
    0x58c1663d, 0x558240e4, 0x51435d53, 0x251d3b9e, 0x21dc2629,
    0x2c9f00f0, 0x285e1d47, 0x36194d42, 0x32d850f5, 0x3f9b762c,
    0x3b5a6b9b, 0x0315d626, 0x07d4cb91, 0x0a97ed48, 0x0e56f0ff,
    0x1011a0fa, 0x14d0bd4d, 0x19939b94, 0x1d528623, 0xf12f560e,
    0xf5ee4bb9, 0xf8ad6d60, 0xfc6c70d7, 0xe22b20d2, 0xe6ea3d65,
    0xeba91bbc, 0xef68060b, 0xd727bbb6, 0xd3e6a601, 0xdea580d8,
    0xda649d6f, 0xc423cd6a, 0xc0e2d0dd, 0xcda1f604, 0xc960ebb3,
    0xbd3e8d7e, 0xb9ff90c9, 0xb4bcb610, 0xb07daba7, 0xae3afba2,
    0xaafbe615, 0xa7b8c0cc, 0xa379dd7b, 0x9b3660c6, 0x9ff77d71,
    0x92b45ba8, 0x9675461f, 0x8832161a, 0x8cf30bad, 0x81b02d74,
    0x857130c3, 0x5d8a9099, 0x594b8d2e, 0x5408abf7, 0x50c9b640,
    0x4e8ee645, 0x4a4ffbf2, 0x470cdd2b, 0x43cdc09c, 0x7b827d21,
    0x7f436096, 0x7200464f, 0x76c15bf8, 0x68860bfd, 0x6c47164a,
    0x61043093, 0x65c52d24, 0x119b4be9, 0x155a565e, 0x18197087,
    0x1cd86d30, 0x029f3d35, 0x065e2082, 0x0b1d065b, 0x0fdc1bec,
    0x3793a651, 0x3352bbe6, 0x3e119d3f, 0x3ad08088, 0x2497d08d,
    0x2056cd3a, 0x2d15ebe3, 0x29d4f654, 0xc5a92679, 0xc1683bce,
    0xcc2b1d17, 0xc8ea00a0, 0xd6ad50a5, 0xd26c4d12, 0xdf2f6bcb,
    0xdbee767c, 0xe3a1cbc1, 0xe760d676, 0xea23f0af, 0xeee2ed18,
    0xf0a5bd1d, 0xf464a0aa, 0xf9278673, 0xfde69bc4, 0x89b8fd09,
    0x8d79e0be, 0x803ac667, 0x84fbdbd0, 0x9abc8bd5, 0x9e7d9662,
    0x933eb0bb, 0x97ffad0c, 0xafb010b1, 0xab710d06, 0xa6322bdf,
    0xa2f33668, 0xbcb4666d, 0xb8757bda, 0xb5365d03, 0xb1f740b4
};

typedef struct crc32ctx
{
    uint32_t crc;
    uint32_t length;
} CRC32Ctx;


#define COMPUTE(var, ch)    (var) = (var) << 8 ^ crctab[(var) >> 24 ^ (ch)]

void crc32_stream_init( CRC32Ctx* ctx )
{
    ctx->crc = 0;
    ctx->length = 0;
}

void crc32_stream_compute_uint32( CRC32Ctx* ctx, uint32_t data )
{
    COMPUTE( ctx->crc, data & 0xFF );
    COMPUTE( ctx->crc, ( data >> 8 ) & 0xFF );
    COMPUTE( ctx->crc, ( data >> 16 ) & 0xFF );
    COMPUTE( ctx->crc, ( data >> 24 ) & 0xFF );
    ctx->length += 4;
}

void crc32_stream_compute_uint8( CRC32Ctx* ctx, uint8_t data )
{
    COMPUTE( ctx->crc, data );
    ctx->length++;
}

void crc32_stream_finilize( CRC32Ctx* ctx )
{
    uint32_t len = ctx->length;
    for( ; len != 0; len >>= 8 )
    {
        COMPUTE( ctx->crc, len & 0xFF );
    }
    ctx->crc = ~ctx->crc;
}

/*** pseudo code ***/
CRC32Ctx crc;
crc32_stream_init(&crc);

while((just_received_buffer_len = received_anything()))
{
    for(int i = 0; i < just_received_buffer_len; i++)
    {
        crc32_stream_compute_uint8(&crc, buf[i]); // assuming buf is uint8_t*
    }
}
crc32_stream_finilize(&crc);
printf("%x", crc.crc); // ta daaa
6
Engin

[〜＃〜] crc [〜＃〜]

6
radu_c

zlibヘッダーで利用可能なadler32は、crc32よりも大幅に高速であると宣伝されていますが、精度はわずかに低くなっています。

4
Josh Matthews

最も重要な要件は、「コンテンツが変更されたかどうかを確認すること」です。

ファイルの変更を検出することが最も重要な場合は、MD-5、SHA-1、さらにはSHA-256を選択する必要があります。

チェックサムが暗号的に適切ではないことを示した場合、3つの理由からCRC-32をお勧めします。 CRC-32は、8Kファイルで良好なハミング距離を提供します。 CRC-32は、計算するのにMD-5よりも少なくとも1桁高速です（2番目の要件）。重要な場合もありますが、CRC-32は、比較する値を格納するために32ビットしか必要としません。 MD-5は4倍のストレージを必要とし、SHA-1は5倍のストレージを必要とします。

ところで、ハッシュを計算するときにファイルの長さを前に付けることで、どのような手法も強化されます。

3
Epsilon

CRC32で十分ですが、smallの可能性があり、2つのバージョンが同じチェックサムを生成するため、変更されたファイルが変更されていないように見える可能性があります。したがって、この可能性を回避するために、MD5を使用することをお勧めします。これは、十分に高速であり、衝突が発生する可能性は、ほぼ無限小になるまで減少します。

他の人が言っているように、小さなファイルがたくさんあると、実際のパフォーマンスのボトルネックはI/Oになるので、問題はそれに対処することです。さらにいくつかの詳細を投稿すると、誰かがそれを整理する方法を提案するでしょう。

3
Bart Read

Lukeが指摘したWiki page によると、MD5は実際にはCRC32よりも高速です。

WindowsVistaでPython 2.6を使用してこれを自分で試しましたが、同じ結果が得られました。

結果は次のとおりです。

crc32：162.481544276 MBps md5：224.489791549 MBps

crc32：168.332996575 MBps md5：226.089336532 MBps

crc32：155.851515828 MBps md5：194.943289532 MBps

私も同じ質問を考えており、ファイルの違いを検出するためにRsyncのAdler-32のバリエーションを使用したいと思っています。

2
chnrxn

上記の単なる追記。 jpegは不可逆圧縮を使用し、圧縮の範囲は、jpegの作成に使用されるプログラム、システム上のカラーパレットおよび/またはビット深度、ディスプレイガンマ、グラフィックカード、およびユーザー設定の圧縮レベル/色設定によって異なります。したがって、異なるコンピューター/プラットフォームで構築されたjpegを比較したり、異なるソフトウェアを使用したりすることは、バイトレベルで非常に困難になります。

1
Tim