Cómo crear guías deterministas

Question

En nuestra aplicación, creamos archivos Xml con un atributo que tiene un valor Guid. Este valor debe ser coherente entre las actualizaciones de archivos. Entonces, incluso si todo lo demás en el archivo cambia, el valor guid para el atributo debería permanecer igual.

Una solución obvia era crear un diccionario estático con el nombre de archivo y las guías que se usarían para ellos. Luego, cada vez que generamos el archivo, buscamos el diccionario para el nombre del archivo y usamos el guid correspondiente. Pero esto no es factible porque podríamos escalar a cientos de archivos y no queríamos mantener una gran lista de guías.

Así que otro enfoque fue hacer que el Guid sea el mismo basado en la ruta del archivo. Dado que nuestras rutas de archivos y la estructura del directorio de la aplicación son únicas, el Guid debe ser exclusivo para esa ruta. Entonces, cada vez que ejecutamos una actualización, el archivo obtiene el mismo guid en función de su ruta. Encontré una buena manera de generar tal 'Deterministic Guids' (Gracias Elton Stoneman). Básicamente hace esto:

private Guid GetDeterministicGuid(string input) 

{ 

//use MD5 hash to get a 16-byte hash of the string: 

MD5CryptoServiceProvider provider = new MD5CryptoServiceProvider(); 

byte[] inputBytes = Encoding.Default.GetBytes(input); 

byte[] hashBytes = provider.ComputeHash(inputBytes); 

//generate a guid from the hash: 

Guid hashGuid = new Guid(hashBytes); 

return hashGuid; 

} 

Por lo tanto, dado una cadena, el Guid siempre será el mismo.

¿Hay otros enfoques o formas recomendadas de hacerlo? ¿Cuáles son los pros o los contras de ese método?

Answer 1

Como lo menciona @bacar, RFC 4122 §4.3 define una forma de crear un UUID basado en nombre. La ventaja de hacer esto (más simplemente usando un hash MD5) es que estos se garantiza que no chocan con los UUID no basados ​​en el nombre, y tienen un muy (muy) pequeña posibilidad de colisión con otros UUID basados ​​en nombres.

No existe soporte nativo en .NET Framework para crear estos, pero publiqué code on GitHub que implementa el algoritmo. Puede ser utilizado de la siguiente manera:

Guid guid = GuidUtility.Create(GuidUtility.UrlNamespace, filePath); 

Para reducir el riesgo de colisiones con otros GUID aún más, se podría crear un GUID privada para su uso como el ID de espacio de nombres (en lugar de utilizar el ID de URL espacio de nombres definido en el RFC)

Answer 2

MD5 es débil, creo que puede hacer lo mismo con SHA-1 y obtener mejores resultados.

Por cierto, solo una opinión personal, vestir un hash md5 como un GUID no lo convierte en un buen GUID. Las GUID por su propia naturaleza no son deterministas. esto se siente como un truco. ¿Por qué no llamar simplemente a spade a spade y simplemente decir que es un hash prestado de la entrada? que podría hacer que el uso de esta línea, en lugar de la nueva línea GUID:

string stringHash = BitConverter.ToString(hashBytes) 

Answer 3

Usted necesita hacer una distinción entre instancias de la clase Guid e identificadores que son único a nivel mundial. Una "guía determinista" es en realidad un hash (como lo demuestra su llamada al provider.ComputeHash). Los hashes tienen una probabilidad mucho mayor de colisiones (dos cadenas diferentes que suceden para producir el mismo hash) que Guid creado a través del Guid.NewGuid.

Así que el problema con su enfoque es que tendrá que estar bien con la posibilidad de que dos rutas diferentes produzcan el mismo GUID. Si necesita un identificador único para una cadena de ruta dada, lo más fácil es , simplemente use la cadena. Si necesita la cadena que se oculta de sus usuarios, cifrarlo - se puede utilizar ROT13 o algo más potente ...

El intento de meter con calzador algo que no es un GUID puro en el tipo de datos GUID podría llevar a problemas de mantenimiento en el futuro ...

Answer 4

Como Rob menciona, su método no genera un UUID, genera un hash que se parece a un UUID.

El RFC 4122 en UUID permite específicamente UUID deterministas (basados ​​en nombre) - Las versiones 3 y 5 usan md5 y SHA1 (respectivamente). La mayoría de la gente probablemente esté familiarizada con la versión 4, que es aleatoria. Wikipedia ofrece una buena visión general de las versiones. (Tenga en cuenta que el uso de la palabra 'versión' aquí parece describir un 'tipo' de UUID - la versión 5 no reemplaza a la versión 4).

Parece haber algunas bibliotecas para generar UUID de versión 3/5, incluidos python uuid module, boost.uuid (C++) y OSSP UUID. (No he buscado ningún .NET)

Answer 5

Esto convertirá cualquier cadena en un Guid sin tener que importar un ensamblaje exterior.

public static Guid ToGuid(string src) 
{ 
    byte[] stringbytes = Encoding.UTF8.GetBytes(src); 
    byte[] hashedBytes = new System.Security.Cryptography 
     .SHA1CryptoServiceProvider() 
     .ComputeHash(stringbytes); 
    Array.Resize(ref hashedBytes, 16); 
    return new Guid(hashedBytes); 
} 

hay mucho mejores maneras de generar un GUID único, pero esta es una manera de actualizar constantemente una clave de datos de cadena a una llave de datos GUID.