为何5万个随机7位十六进制字符串未碰撞？生日问题相关疑问

你的生日问题计算没毛病 #

16^7等于268,435,456个可能值，用生日问题的近似公式计算：
P(n) ≈ 1 - e^(-n²/(2*N))
当n=50000时，得出的碰撞概率确实是99.05%，这个理论推导完全正确。

测试代码10次全碰撞是正常现象 #

你的测试逻辑没问题：每次生成全新的随机UUID，取最后7位用HashSet实时检测重复。单次试验碰撞概率99%，10次都撞的概率是0.99^10≈90.4%，属于大概率事件，完全符合预期。

同事5万条无碰撞的几种合理原因 #

虽然理论上几乎必然碰撞，但还是存在几种说得通的解释：

• 极低概率的巧合：0.95%的无碰撞概率，相当于每105次尝试里可能出现1次，虽然少见，但并非不可能发生。
• 实际插入逻辑有隐藏细节：
  • 同事的代码可能误用了版本1（时间戳+MAC地址型）UUID，而非版本4（纯随机型）——版本1的最后几位不是纯随机生成的，重复概率会远低于版本4。
  • 数据库的唯一约束自动拦截了碰撞的插入请求，同事统计的是成功插入的5万条，而非尝试插入的总数（实际可能尝试插入了更多数据，碰撞的请求被数据库直接拒绝了）。
• 截取逻辑存在差异：比如同事是先去掉UUID字符串中的横杠，再截取最后7位？不过这种方式和你的截取逻辑熵值一致，不会影响碰撞概率；但如果是截取了UUID的其他段，可能会有差异，不过你已经核实过数据库，这个可能性较低。

实用建议 #

如果真想用截取UUID的方式做主键，别赌小概率运气：要么直接用完整UUID，要么多截取几位——比如截10位，16^10有1万亿个可能值，5万条数据的碰撞概率几乎为0。

内容的提问来源于stack exchange，提问作者Andrew Cheong