我正在做一个存储文档的应用程序，并根据包括时间戳在内的一些东西的SHA1摘要给每个文档一个UID。该摘要有很多字符，我想让用户通过使用完整摘要的前x个字符来识别文档。如果文档的数量大概在10K-100K之间，那么x的值是多少呢？
适应上的公式 维基百科上的生日问题，你可以将碰撞的概率近似为 1 - e^(-n^2/(2^(b+1)))，其中 n 是指文件数量和 b 是位数。在n=100,000的情况下，将此公式绘制成图。貌似你会想要b > 45至少。我更倾向于用64来使它成为一个漂亮的整数。话说回来，如果发生碰撞，你是否有一个处理计划（也许稍微改变一下时间戳，或者添加一个nonce？
对于这个问题，如果sha1不仅仅是基于文档的内容，为什么不干脆让它成为一个随机的ID呢？在这种情况下，碰撞的问题就不那么严重了，因为你可以随时生成一个新的随机数，然后再试一次（不过，一次尝试的碰撞概率是一样的）。
这真的没有一个值；SHA之所以成为一个很好的通用散列算法，部分原因是相似的数据不一定会产生相似的散列值。你最好的选择（在不了解你的系统的情况下）只是搜索哈希值以用户提供的值开始的文档列表，然后给他们提供一个文档列表供他们选择，或者直接进入文档（如果只有一个）。
要注意截断，因为没有减少证明较小的哈希是安全的。请看Kelsey的 http:/csrc.nist.govgroupsSThashdocumentsKelsey_Truncation.pdf。. Kelsey给到启发式论证说明了同样的问题（"相关哈希输出 "和 "近碰撞"）。BihamChen提供了近似碰撞的例子；Knudsen则演示了截断差分。
最后，你可能想将你的数据输入到HMAC 与 截断的大小（大小也被HMAC消化了），然后使用截断的HMAC。
好吧，这里有一个可能过于简单的答案... ...
如果用全Sha1，你得到大约1/2^160的碰撞机会，那么通过截断一个字符，你增加了16个碰撞的机会(截断字符的所有可能值)......也就是2^4。所以，如果你截断x个字符，你就会得到2^(160 - 4*x)的1次碰撞机会，对吗？