当前位置:首页 > 文章列表 > Golang > Go问答 > Go hash.Hash.Sum 为什么不会改变当前哈希状态

Go hash.Hash.Sum 为什么不会改变当前哈希状态

来源:17golang原创 2026-11-19 08:17:02 0浏览 收藏

hash.Hash.Sum(b) 的接口契约就是读取当前摘要,把摘要追加到 b 后返回,保持哈希累计状态不变。它既不清空输入,也不封闭后续写入;清空要调用 Reset,追加待哈希数据要调用 Write。所以 Sum 之后继续 Write,得到的是此前所有输入与新数据拼接后的摘要。

先确定摘要对应哪一段输入

设想一个导出程序分批产生 header、body、tail,同时需要在中间记录摘要。要保护的是“摘要与输入范围的对应关系”:中间摘要只用于描述已写入部分,最终摘要描述完整消息。设计记录结构时,可以同时保存消息标识、已写入字节数和摘要,避免后来只看到一串十六进制字符,却不知道它代表哪一段数据。

Sum 的参数不是待哈希数据

Sum 的 b 是结果容器前缀,不是新的输入。h.Sum([]byte("digest:")) 返回前缀字节加当前摘要;它不计算 digest: 的哈希。需要让某段前缀参与摘要计算,应在 Write 阶段明确写入。只需要摘要字节时,使用 Sum(nil) 更容易看清职责。

Write、Sum 与累计输入状态之间的结构关系
静态结构说明图:Write 关联累计输入状态,Sum 读取该状态形成摘要,结果前缀属于返回切片;不是执行流程或运行结果。

混淆状态与返回切片会带来什么问题

这个问题常见的风险并非算法失效,而是调用者记录了错误的输入集合。把 Sum 当成 Reset,会让下一条消息带上上一条内容;把结果前缀当成输入,会让业务以为某段元数据已经参与摘要,实际却只附在输出旁边。若摘要被用作消息标识,这些误用会让排障和核对失去共同基准。

另一个区别是“哈希状态不变”不代表“b 的底层数组绝不写入”。追加可能复用 b 的容量,调用者必须接住返回切片,不能只假定原切片的长度自动增长。需要独立保留多份结果时,优先用独立的 Sum(nil) 返回值或显式复制输出。

用三段数据观察状态保留

下面的原创程序用三段文本展示读取摘要与累计输入的区别。它只作为读者可运行的示例,本文不执行代码,不给出虚构的实测输出。示例使用 SHA-256,其摘要长度为32字节,因此带七字节 digest: 前缀的结果长度应为39字节。

package main

import (
    "crypto/sha256"
    "fmt"
    "hash"
)

// add 明确所有输入都经由 Write 加入状态,Sum 不接收输入数据。
func add(h hash.Hash, text string) {
    if _, err := h.Write([]byte(text)); err != nil {
        panic(err) // hash.Hash 的 Write 契约不返回错误,仍保留接口调用处理。
    }
}

func main() {
    h := sha256.New()
    add(h, "header|")
    first := h.Sum(nil)
    again := h.Sum(nil)
    fmt.Printf("第一次摘要: %x
重复读取: %x
", first, again)

    // Sum 后继续 Write,摘要包含先前的 header 和新加入的 body。
    add(h, "body|")
    middle := h.Sum(nil)
    prefix := []byte("digest:")
    framed := h.Sum(prefix)
    fmt.Printf("中间摘要: %x
带前缀结果长度: %d
", middle, len(framed))

    add(h, "tail")
    whole := h.Sum(nil)
    fmt.Printf("完整消息摘要: %x
", whole)

    // 下一条独立消息必须清空旧的输入累计状态。
    h.Reset()
    add(h, "other")
    independent := h.Sum(nil)
    fmt.Printf("独立消息摘要: %x
", independent)
}

按接口语义,first 和 again 对应同一份 header| 输入;middle 对应 header|body|;whole 对应 header|body|tail。framed 只是给 middle 对应的摘要加输出前缀,不会影响后来 whole 的输入集合。输出中的中间值适合作为诊断记录,不能替代最终完整消息摘要。

独立消息复用时显式 Reset

如果每条业务消息都独立,先用新实例是最直观的方式;确实需要复用实例时,由同一拥有者在消息切换处调用 Reset。不要把 Reset 隐藏在通用“读取摘要”函数中,否则需要增量计算的调用者会意外失去状态。

哈希实例拥有者与消息、重置、摘要记录的责任关系
静态结构说明图:拥有者管理实例和 Reset,独立消息与摘要记录分别保存输入及输出含义;连线只表达责任。
操作职责影响累计输入
Write加入消息字节追加
Sum返回当前摘要保留
Reset准备新的独立计算清空

记录输入范围并回答常见疑问

面向应用的记录建议是:用稳定消息标识区分不同计算,用输入范围标记区分中间与最终摘要,并把输出容器前缀与待哈希前缀分开命名。若多处函数都持有同一实例,要明确谁可以 Write 或 Reset;不要因 Sum 不变更状态,就假定可以无条件和其他写操作并发调用。

连续两次 Sum 会把摘要再次算进去吗?

不会。没有新的 Write 时,两次读取对应同一累计输入。

Sum(nil) 是空消息摘要吗?

nil 指输出前缀为空。是否为空消息取决于实例是否已经 Write,以及是否刚刚 Reset。

能从 Sum 返回值恢复任意实现的哈希状态吗?

Sum 返回的是摘要,不是通用状态存档。需要状态保存时应另看具体实现提供的接口与使用条件,不能把摘要当作状态对象。

参考:hash.Hash 接口文档、SHA-256 文档。

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 math/big.Float.IsInt 为什么不能用来判断能否转成 int64Go math/big.Float.IsInt 为什么不能用来判断能否转成 int64
上一篇
Go math/big.Float.IsInt 为什么不能用来判断能否转成 int64
Go crypto/rand.Read 为什么不能用来生成可复现测试数据
下一篇
Go crypto/rand.Read 为什么不能用来生成可复现测试数据
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。
    1108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。
    1100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。
    1271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。
    1214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。
    1059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