当前位置:首页 > 文章列表 > Golang > Go问答 > Go hash.Hash.Sum 怎样复用摘要缓冲区

Go hash.Hash.Sum 怎样复用摘要缓冲区

来源:17golang原创 2026-11-16 12:09:45 0浏览 收藏

在 Go 里,hash.Hash.Sum 的参数不是“输出缓冲区”这个简单含义。它会把当前摘要追加到传入的 []byte 后面,并返回追加后的切片;哈希对象本身的状态不会因为调用 Sum 而改变。理解这一点后,就可以用 h.Size() 预留容量,在循环中复用一个摘要缓冲区。

下面的做法适合摘要只在当前函数或当前批次内短暂使用的场景。如果摘要要放进缓存、跨 goroutine 使用或交给异步任务,仍然需要复制出独立结果。

先看清 Sum 的追加语义

官方接口把 Sum 定义为“把当前哈希追加到 b 并返回结果”,所以传入切片的已有长度决定摘要从哪里开始写。传入 nil 或空切片时,返回值只有摘要;传入带前缀的切片时,返回值包含前缀和摘要。

package main

import (
	"crypto/sha256"
	"fmt"
)

func main() {
	h := sha256.New()
	_, _ = h.Write([]byte("order-2026"))

	// nil 表示从空切片开始追加摘要。
	digest := h.Sum(nil)

	prefix := []byte("sha256:")
	withPrefix := h.Sum(prefix)

	fmt.Printf("digest=%x\\n", digest)
	fmt.Printf("withPrefix=%s%x\\n", prefix, withPrefix[len(prefix):])
}

这里的 withPrefix 可能复用了 prefix 的底层数组,也可能因为容量不足而分配新的数组;调用方只应依赖返回的切片内容,不应假设底层数组一定没有变化。更重要的是,Sum 不会把哈希状态“取走”,之后仍可继续 Write,再计算新的当前摘要。

hash.Hash.Sum 从输入切片长度位置追加摘要的静态结构图
图1:操作示意图,展示前缀切片、Hash 状态与 Sum 返回切片之间的追加关系;这是静态说明图,不是运行截图。

用 Size 预留一次摘要空间

如果目标是减少重复分配,可以先取出 h.Size()。这个值表示当前哈希实现每次 Sum 会追加多少字节。摘要结果的长度是固定的,因此可以把缓冲区长度设为当前长度、容量设为当前长度加摘要长度:

func digestInto(h hash.Hash, dst []byte) []byte {
	// Size 返回当前哈希实现的摘要字节数,用来精确预留追加空间。
	need := h.Size()
	if cap(dst)-len(dst) 

这个辅助函数保留了 dst 已有的长度,因此它仍然是“追加摘要”,而不是把摘要写到切片下标 0。若调用方只需要摘要本身,可以传入长度为 0 的切片并把容量预留为 h.Size():

func newDigestBuffer(h hash.Hash) []byte {
	// 长度为 0,容量等于摘要长度,Sum 会从下标 0 追加。
	return h.Sum(make([]byte, 0, h.Size()))
}

不要把 h.BlockSize() 当成摘要结果长度。块大小影响写入效率,Size() 才对应 Sum 追加的字节数。

在循环中复用摘要缓冲区

批量处理记录时,可以把摘要缓冲区放在循环外。每轮把长度重置为 0,再调用 Sum。这样复用的是同一块底层数组,返回切片的长度则仍然是本轮的摘要长度。

func collectDigests(h hash.Hash, inputs [][]byte) [][]byte {
	// 先按当前实现的摘要长度预分配,后续每轮只重置长度。
	buf := make([]byte, 0, h.Size())
	results := make([][]byte, 0, len(inputs))

	for _, input := range inputs {
		h.Reset()
		// Write 对标准库哈希实现不会返回写入错误,这里只保留字节数。
		_, _ = h.Write(input)

		buf = buf[:0]
		buf = h.Sum(buf)

		// 结果要跨过下一轮继续保存,所以复制出独立切片。
		results = append(results, append([]byte(nil), buf...))
	}
	return results
}

这段代码里,buf[:0] 只重置长度,不清空或释放容量。append([]byte(nil), buf...) 则是关键:它把本轮结果复制到新的底层数组中,否则 results 中的多个元素可能都指向同一块会被下一轮覆盖的内存。

摘要复用缓冲区与独立结果副本生命周期的静态结构图
图2:结果示意图,展示复用缓冲区与持久化副本的生命周期边界;这是静态说明图,不是运行截图。

什么时候可以直接复用,什么时候必须复制

判断标准不是“有没有调用 Sum”,而是返回切片是否会在下一次复用前继续被读取:

场景建议原因
当前函数内立即格式化或比较可以复用读取发生在下一轮覆盖之前
保存到结果列表、缓存或消息体复制后保存后续复用可能改变底层数组内容
交给另一个 goroutine复制并明确所有权避免数据竞争和生命周期悬空
只需要固定数组值可考虑 [Size]byte API不需要维护可变的 []byte 复用缓冲区

如果使用的是具体算法的便捷函数,例如 sha256.Sum256(data),它直接返回固定长度数组,适合“计算一次、返回一个值”的场景。本文讨论的 hash.Hash.Sum 更适合流式写入、持续更新状态或调用方已经拥有复用缓冲区的场景。

几个容易踩到的边界

  • 不要把 Sum 当成 Reset。调用 Sum 不会清空已写入的数据;开始下一条记录时仍要显式调用 Reset。
  • 不要用 cap 代替 len。摘要是追加到 len(dst) 之后,只有容量没有长度并不代表切片已经包含可读前缀。
  • 不要保存复用缓冲区的别名。短暂读取可以直接用,跨循环、缓存、异步处理都应复制。
  • 不要把复用和并发混在一起。同一哈希对象本身也不应被多个 goroutine 同时写入或读取,调用方需要自行做同步或按任务分配独立实例。

结语:把复用范围限制在清晰的生命周期内

hash.Hash.Sum 的高效用法可以归纳为三点:用 Size 预留容量,用 buf[:0] 重置长度,用复制操作切断需要长期保存的数据与复用缓冲区之间的别名关系。这样既能减少短生命周期摘要的分配,也不会把一个局部优化变成难以追踪的数据覆盖问题。

相关问题

Sum(nil) 和 Sum(make([]byte, 0, h.Size())) 有什么区别?

结果内容通常相同,但后者明确提供了可复用容量,适合在已管理缓冲区的场景中减少扩容机会。

调用 Sum 后还能继续 Write 吗?

可以。Sum 不改变哈希状态,后续 Write 会在原有状态上继续累积;如果要开始新的摘要,需要先 Reset。

为什么保存多个 Sum 返回值后内容一样?

常见原因是多个返回值共享同一复用缓冲区。把每轮结果复制到独立切片后再保存即可。

版本声明
本文转载于:17golang原创 如有侵犯,请联系study_golang@163.com删除
Go net.LookupNS 怎样读取域名的权威 DNS 服务器Go net.LookupNS 怎样读取域名的权威 DNS 服务器
上一篇
Go net.LookupNS 怎样读取域名的权威 DNS 服务器
Go 后台 goroutine 没有退出信号怎样避免泄漏
下一篇
Go 后台 goroutine 没有退出信号怎样避免泄漏
查看更多
最新文章
查看更多
课程推荐
  • 前端进阶之JavaScript设计模式
    前端进阶之JavaScript设计模式
    设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
    543次学习
  • GO语言核心编程课程
    GO语言核心编程课程
    本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
    516次学习
  • 简单聊聊mysql8与网络通信
    简单聊聊mysql8与网络通信
    如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
    500次学习
  • JavaScript正则表达式基础与实战
    JavaScript正则表达式基础与实战
    在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
    487次学习
  • 从零制作响应式网站—Grid布局
    从零制作响应式网站—Grid布局
    本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
    485次学习
查看更多
AI推荐
  • PubMedQA数据集详解:生物医学问答基准、功能与应用指南
    PubMedQA
    深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
    1049次使用
  • H2O EvalGPT:开源LLM大模型评估与排行榜工具
    H2O EvalGPT
    H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
    1045次使用
  • LMArena是什么?伯克利AI模型评估平台使用指南与功能解析
    LMArena
    LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
    1206次使用
  • 斯坦福HELM:大语言模型Holistic Evaluation整体评估框架详解
    HELM
    深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
    1151次使用
  • MMBench详解:多模态大模型基准测试、功能特点与使用指南
    MMBench
    MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台,提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景,助力开发者全面评估多模态模型性能。
    995次使用
微信登录更方便
  • 密码登录
  • 注册账号
登录即同意 用户协议 和 隐私政策
返回登录
  • 重置密码