我在AmazonS3上有一个图像库。对于每个图像，我md5服务器上的源URL加上一个时间戳，以获得一个唯一的文件名。由于S3不能有子目录，我需要将所有这些图像存储在一个平面文件夹中。
我需要担心生成的MD5哈希值发生冲突吗？
额外的好处：在MD5产生的哈希值发生冲突之前，我可以有多少个文件？
只有两个散列意外碰撞的概率为1/2128，即1/340万亿分之一282万亿分之一366非亿920 10月938 9月463六次方463五分之一374万亿607万亿4310亿7.68亿211000 456。
然而，如果你保留了所有的散列，那么由于生日悖论，概率会更高。要使任何哈希与任何其他哈希碰撞的几率达到50%，您需要264哈希。这意味着，要获得碰撞，平均而言，您需要在100年内每秒哈希6个亿个文件。
S3可以有子目录。只需在密钥名称中加一个"/"，就可以访问文件，就好像它们在不同的目录中一样。我使用它将用户文件存储在S3中基于用户ID的单独文件夹中。
例如："mybucket/users/1234/somefile.jpg"。它与文件系统中的目录并不完全相同，但S3 API具有一些功能，使其工作方式几乎相同。我可以要求它列出所有以"users/1234/"开头的文件，它会显示该"目录"中的所有文件。
等等，是不是：
md5(filename) + timestamp
或：
md5(filename + timestamp)
如果是前者，你大部分的方式都是GUID，我不会担心的。如果是后者，请参阅Karg关于你最终将如何遭遇碰撞的帖子。
碰撞的粗略经验法则是值范围的平方根。你的MD5-sig大概有128位长，所以你很可能会看到2^64图像以上的冲突。
尽管随机MD5冲突极为罕见，但如果您的用户能够提供文件（将逐字存储），那么他们就可以策划冲突的发生。也就是说，他们可以故意创建两个具有相同MD5sum但数据不同的文件。确保您的应用程序能够以合理的方式处理这种情况，或者可能使用像SHA-256这样更强的哈希。
虽然MD5因冲突而出现的问题已经广为人知，但随机数据之间的非约定冲突极为罕见。另一方面，如果你对文件名进行散列，那就不是随机数据，我预计很快就会发生冲突。
可能性有多大并不重要；这是可能的。它可能发生在你散列的前两件事上（非常不可能，但有可能），所以你需要从一开始就支持冲突。
MD5冲突极不可能发生。如果您有9万亿MD5，则9万亿只有一次发生碰撞的机会。