Hashing de señales

Las señales brutas, como un búfer de píxeles de canvas o una larga lista de fuentes, pueden ser grandes y difíciles de almacenar y comparar directamente. Una función hash asigna cada uno de esos valores a un resumen de longitud fija, de modo que entradas idénticas siempre producen el mismo resumen mientras que entradas distintas casi siempre producen resúmenes distintos.

Comparar resúmenes es mucho más barato que comparar valores brutos, lo que hace práctica la comparación a escala. Los hashes también normalizan tamaños de entrada variados en claves uniformes adecuadas para la indexación, la búsqueda y la deduplicación a través de grandes volúmenes de visitas.

Como el hashing es unidireccional, la señal bruta original no puede reconstruirse a partir del resumen, lo que respalda los objetivos de minimización de datos. Un compromiso es que el hashing exacto es intolerante al cambio: incluso una diferencia de un bit produce un resumen completamente distinto, de modo que los sistemas aplican hash a señales estables y discretas y manejan las señales propensas a cambiar con comparación basada en la similitud en lugar de con igualdad de hash bruto.