Частично, хорошая идея?

Question

Мне нужно генерировать и хранить идентификатор для каждой строки в распределенной базе данных (высокая пропускная способность записи). Существуют ограничения на длину идентификатора, предпочитая, чтобы он был как можно меньшим. Идентификатор должен быть в utf8.

Я думал о создании uuidv4, преобразовании в кодировку base16, удалении дефисов и принятии частичного подмножества символов, и в будущем, если нам потребуется больше символов, мы возьмем больший частичный подмножество.

например, Uuid = 123e4567-e89b-12d3-a456-426655440000

Подмножество = 123e4567e89b

Есть ли предсказуемые проблемы с этим?

Answer 1

Вы не можете гарантировать, что частичные UUID будут универсально уникальными. Теперь, в зависимости от количества сгенерированных UUID, это может не быть проблемой, особенно если вы проверяете наличие дубликатов... но, возможно, лучше просто написать собственный генератор идентификаторов с нужной вам спецификацией длины. Я предполагаю, что фактическая спецификация для UUID требует, чтобы определенное количество битов для каждого считалось универсально уникальным, но ваши требования ограничивают длину. Они не требуют использования фактических UUID.

Answer 2

Если ваше поле должно иметь значение для текста и длины, то использование base16 дает вам только 4 бита на байт, тогда как base64 дает 6 бит на байт. Другими словами, первому требуется на 50% больше байтов для достижения той же вероятности столкновения, что и второму. Вы можете получить ~7 бит на байт, воспользовавшись преимуществами работы UTF-8, но это намного больше работы (и риска) для гораздо меньшего выигрыша.

Однако нет смысла использовать усеченный UUID; Вы должны использовать все это, иначе его свойства предотвращения столкновений не сохранятся. Если вы просто хотите получить случайную строку, особенно если у вас есть возможность проверить наличие коллизий, просто сгенерируйте случайное число с желаемым количеством битов (предпочтительно, кратным 6), а затем base64 закодируйте его.