SHA 足以检查文件重复吗？ （PHP 中的 sha1_file）

假设您想创建一个文件托管站点，供人们上传文件并向他们的朋友发送链接以供稍后检索，并且您想确保文件在我们存储文件的位置重复，那么 PHP 的 sha1_file 是否足以完成该任务？有什么理由不使用 md5_file 来代替吗？

对于前端，它将使用数据库中存储的原始文件名进行模糊处理，但还有一些额外的问题是这是否会泄露有关原始海报的任何信息。文件是否会继承任何元信息，例如上次修改或发布者，或者这些内容是否基于文件系统？

另外，使用盐是否无聊，因为彩虹表攻击方面的安全性对此毫无意义，并且哈希值稍后可以用作校验和？

最后一件事，可扩展性？最初，它仅用于几兆大的小文件，但最终......

编辑1：散列的目的主要是为了避免文件重复，而不是造成模糊性。

sha1_file 足够好吗？

使用 sha1_file 就足够了，碰撞的可能性很小，但几乎永远不会发生。为了将比较文件大小的机会也减少到几乎为 0：

function is_duplicate_file( $file1, $file2)
{   
    if(filesize($file1) !== filesize($file2)) return false;

    if( sha1_file($file1) == sha1_file($file2) ) return true;

    return false;
}

md5 比 sha1 更快，但它生成的唯一输出较少，因此使用 md5 时发生冲突的机会仍然很小。

可扩展性？

比较文件的方法有多种，使用哪种方法取决于你的性能问题，我对不同的方法做了小测试：

1- 直接文件比较：

if( file_get_contents($file1) != file_get_contents($file2) )

2- Sha1_文件

if( sha1_file($file1) != sha1_file($file2) )

3- md5_文件

if( md5_file($file1) != md5_file($file2) )

结果：2个文件，每个1.2MB，比较100次，我得到以下结果：

--------------------------------------------------------
 method                  time(s)           peak memory
--------------------------------------------------------
file_get_contents          0.5              2,721,576
sha1_file                  1.86               142,960
mdf5_file                  1.6                142,848

file_get_contents 是最快的，比 sha1 快 3.7，但内存效率不高。

Sha1_file 和 md5_file 是内存高效的，它们使用的内存大约是 file_get_contents 使用的内存的 5%。

md5_file 可能是一个更好的选择，因为它比 sha1 快一点。

所以结论是，这取决于您是否想要更快的比较或更少的内存使用。