近期有一个需求：获取多个文件 md5 校验和判断是否存在重复文件，因为文件数量较多，有的文件还比较大，需要处理的文件还没有到位，我就考虑了一下效率的问题。
目前我已知的 Golang 中获取 md5 校验和的方法有两个
这里直接给出实现源码。
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
|
package main
import (
"crypto/md5"
"flag"
"fmt"
"io"
"io/ioutil"
"os"
)
var which = flag.Bool("which", true, "")
var path = flag.String("path", "", "")
var cnt = flag.Int("cnt", 100, "")
func aaa() {
f, err := os.Open(*path)
if err != nil {
fmt.Println("Open", err)
return
}
defer f.Close()
body, err := ioutil.ReadAll(f)
if err != nil {
fmt.Println("ReadAll", err)
return
}
md5.Sum(body)
//fmt.Printf("%x\n", md5.Sum(body))
}
func bbb() {
f, err := os.Open(*path)
if err != nil {
fmt.Println("Open", err)
return
}
defer f.Close()
md5hash := md5.New()
if _, err := io.Copy(md5hash, f); err != nil {
fmt.Println("Copy", err)
return
}
md5hash.Sum(nil)
//fmt.Printf("%x\n", md5hash.Sum(nil))
}
func main() {
flag.Parse()
for i := 0; i < *cnt; i++ {
if *which {
aaa()
} else {
bbb()
}
}
}
|
还有可供参考的获取 md5 校验和的 Shell 命令
|
1
2
|
md5 -- calculate a message-digest fingerprint (checksum) for a file
md5 [-pqrtx] [-s string] [file ...]
|
测试文件是公司项目的日志文件
|
1
2
3
4
5
6
7
|
banjakukutekiiMac:shell panshiqu$ ls -an | grep by
-rw-r--r-- 1 501 20 7285957 11 17 16:14 by.out
banjakukutekiiMac:shell panshiqu$ cp by.out by2.out
banjakukutekiiMac:shell panshiqu$ cat by.out >> by2.out
banjakukutekiiMac:shell panshiqu$ ls -an | grep by
-rw-r--r-- 1 501 20 7285957 11 17 16:14 by.out
-rw-r--r-- 1 501 20 14571914 11 17 17:03 by2.out
|
下面效率展示
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
|
banjakukutekiiMac:shell panshiqu$ time ./gomd5 -cnt=1 -which=true -path="by.out"
real 0m0.027s
user 0m0.017s
sys 0m0.012s
banjakukutekiiMac:shell panshiqu$ time ./gomd5 -cnt=1 -which=true -path="by2.out"
real 0m0.048s
user 0m0.033s
sys 0m0.018s
banjakukutekiiMac:shell panshiqu$ time ./gomd5 -cnt=1 -which=false -path="by.out"
real 0m0.018s
user 0m0.012s
sys 0m0.004s
banjakukutekiiMac:shell panshiqu$ time ./gomd5 -cnt=1 -which=false -path="by2.out"
real 0m0.031s
user 0m0.024s
sys 0m0.005s
banjakukutekiiMac:shell panshiqu$ time md5 by.out
MD5 (by.out) = 9d79e19a00cef1ae1bb6518ca4adf9de
real 0m0.023s
user 0m0.019s
sys 0m0.006s
banjakukutekiiMac:shell panshiqu$ time md5 by2.out
MD5 (by2.out) = 0a029a460a20e8dcb00d032d6fab74c6
real 0m0.042s
user 0m0.037s
sys 0m0.009s
|
总结：
不管什么方法都会随着文件变大时间会变长，上面的例子大约都是2倍
io.Copy 方法效率最高，建议大家这样使用
补充：Go语言：md5计算方法的效率研究
研究了一下Go的md5计算方法，目前来看，效率最高运行最快的写法是调用md5.Sum()函数返回16字节checksum，然后把每个字节的高4位和低4位分别映射成16进制字符存到两个字节里，得到32字节，再转成字符串。
FastMD5较其它算法效率提高了至少46%以上。
|
1
2
3
4
5
6
7
8
9
10
11
12
13
|
const hextable = "0123456789abcdef"
//作者: pengpengzhou
func FastMD5(str string) string {
src := md5.Sum([]byte(str))
var dst = make([]byte, 32)
j := 0
for _, v := range src {
dst[j] = hextable[v>>4]
dst[j+1] = hextable[v&0x0f]
j += 2
}
return string(dst)
}
|
Go Test Benchmark测试结果：
|
1
2
3
4
5
6
7
8
9
|
goos: linux
goarch: amd64
pkg: example
BenchmarkFastMD5-4 5564898 205 ns/op
BenchmarkV1-4 3461698 379 ns/op
BenchmarkV2-4 2277235 516 ns/op
BenchmarkV3-4 2158122 527 ns/op
PASS
ok example 6.440s
|
详细代码如下：
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
|
package main
import (
"crypto/md5"
"encoding/hex"
"fmt"
"io"
)
const hextable = "0123456789abcdef"
func FastMD5(str string) string {
src := md5.Sum([]byte(str))
var dst = make([]byte, 32)
j := 0
for _, v := range src {
dst[j] = hextable[v>>4]
dst[j+1] = hextable[v&0x0f]
j += 2
}
return string(dst)
}
func md5V1(str string) string {
h := md5.New()
h.Write([]byte(str))
return hex.EncodeToString(h.Sum(nil))
}
func md5V2(str string) string {
data := []byte(str)
has := md5.Sum(data)
md5str := fmt.Sprintf("%x", has)
return md5str
}
func md5V3(str string) string {
w := md5.New()
io.WriteString(w, str)
md5str := fmt.Sprintf("%x", w.Sum(nil))
return md5str
}
func main() {
str := "中文"
fmt.Println(FastMD5(str))
fmt.Println(md5V1(str))
fmt.Println(md5V2(str))
fmt.Println(md5V3(str))
}
|
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
|
package main
import (
"testing"
)
var str = "golang中文教程"
func BenchmarkFastMD5(b *testing.B) {
for i := 0; i < b.N; i++ {
FastMD5(str)
}
}
func BenchmarkV1(b *testing.B) {
for i := 0; i < b.N; i++ {
md5V1(str)
}
}
func BenchmarkV2(b *testing.B) {
for i := 0; i < b.N; i++ {
md5V2(str)
}
}
func BenchmarkV3(b *testing.B) {
for i := 0; i < b.N; i++ {
md5V3(str)
}
}
|
以上为个人经验，希望能给大家一个参考，也希望大家多多支持服务器之家。如有错误或未考虑完全的地方，望不吝赐教。
原文链接：https://blog.csdn.net/panshiqu/article/details/53202989