这基本上是一个数学问题，但与编程非常相关：如果我有 10 亿个包含 URL 的字符串，并且我获取每个字符串的 MD5 哈希的前 64 位，我应该期望什么样的冲突频率？

如果我只有 1 亿个 URL，答案会如何变化？

在我看来，碰撞将极为罕见，但这些事情往往令人困惑。

使用MD5以外的东西会更好吗？请注意，我不是在寻找安全性，只是一个很好的快速哈希函数。此外，MySQL 的原生支持也很好。

编辑：不完全重复

出于演示目的，有哪些字符串在散列时发生冲突的示例？MD5 是一个相对标准的散列选项，所以这就足够了。

对于 10 个整数的列表，有 10 个！可能的顺序或排列。为什么 random.shuffle 仅在 5000 次尝试后给出重复项？

编辑：FWIW，如果一对没有两个相同的概率是：p =（10！ - 1）/ 10！组合数为：C = 5000！/4998！* 2！= 5000 * 4999 / 2 那么重复的概率是：

我这样做是为了测试 randint 的随机性：

我尝试了大约 10 次，而我得到的最好结果是在中继器之前进行了 121 次迭代。这是您可以从标准库中获得的最佳结果吗？

我一直在对 Random 类进行一些测试，并且使用了以下代码：

我不断更改 rnd 最大限制（即 5000000）并更改了迭代次数，得到以下结果：

为什么我得到这些平均值，即在我检查每个值的 10 次中，80% 的时间我都在这个平均范围内。我不认为我们可以称它为随机。

我该怎么做才能得到一个相当随机的数字。

请帮助解释 Wikipedia 中描述的生日效果：

生日攻击的工作原理如下：

1. 选择任何消息 m 并计算 h(m)。
2. 更新列表 L。检查 h(m) 是否在列表 L 中。
3. 如果 (h(m),m) 已经在 L 中，则发现有冲突消息对。否则将 (h(m),m) 对保存在列表 L 中并返回步骤 1。

从生日悖论我们知道，在执行大约 2^(n/2) 次哈希评估之后，我们可以期望找到匹配的条目。

以上是否意味着通过上述整个循环进行 2^(n/2) 次迭代（即 2^(n/2) 返回到步骤 1），或者是否意味着与 L 中已经存在的单个项目进行 2^(n/2) 次比较?

互联网上有大量资源讨论著名的生日悖论。我很清楚你如何计算两个人共享生日的概率，即P(same) = 1 - P(different)。但是，如果我问自己一些显然更简单的问题，我会拖延：首先，假设我生成了两个随机生日。获得相同的生日就像扔硬币一样。两个人要么共享一个生日（Heads），要么他们不共享一个生日（Tail）。运行 500 次，最终结果 (#Heads/500) 将接近 0.5

• Q1) 但是，如果我生成三个随机生日，我该如何考虑呢？那我该如何估计概率呢？显然我的硬币类比不适用。

• Q2）一旦我弄清楚了上述情况，我将需要扩大规模并生成 30 或 50 个生日。是否有推荐的技术或算法从大集合中分离出相同的生日？我应该将它们放入数组并循环遍历它们吗？

这是我认为我需要的：

Q1)

Q2)

• 为 2 个重复项创建一个数组，为 3 个重复项创建一个数组，为超过 3 个重复项创建一个数组
• 将每个生成的生日一个一个地添加到第一个数组中。但在这样做之前，请遍历数组以查看它是否已经存在。如果是这样，将其添加到第二个数组中，但在此之前重复上述过程，依此类推
• 虽然它似乎不是一个非常有效的算法:) 建议在这里改进 Big O？

我正在尝试用 Python 解决生日悖论。我很接近，但最后一块让我不知所措。我正在使用 random 来生成给定范围和要创建的项目数量的数字列表。这样可行。

然后我检查一个列表（上面生成的）是否有重复项。这样可行。

然后我尝试生成给定的 (n) 个列表。这是我遇到麻烦的地方。它生成一个列表然后返回“NoneType”是不可迭代的。令我困惑的是，列表已生成，但 Python 并未将其视为列表。

这是代码：

结果如下：

让我们假设我们得到以下内容：

• 哈希的长度
• 获得碰撞的机会

现在，知道了以上内容，我们如何获得获得给定机会百分比所需的“样本”数量？

遇到以下问题：

有什么想法吗？我正在运行 python 2.7