如何优化SHA256哈希前d个零查找的循环以提升运行速度？

我现在需要通过统计SHA256哈希字符串的前d个零来确定安全等级d，已经用c_hash(mystring,sha256)实现了哈希计算。另外我用generate_name()生成包含3-6个字母的随机名字和4-8个字母的随机姓氏。当前的实现代码如下：

def d_security(d): 
    t0 = time.clock() 
    cnt = 0 
    while cnt != d: 
        obj = generate_name() 
        hash_obj = c_hash(obj,sha256) 
        if hash_obj[:d] == d*"0": 
            cnt+=1 
    t1 = time.clock() 
    print(t1-t0) 
    return None 

当d=5时，找到符合要求的字符串耗时超过2分钟，请问怎么通过调整循环方式或者其他手段优化来提升运行速度？

几个实用的优化方向，亲测有效 #

1. 批量生成+批量校验，减少循环冗余开销 #

咱们现在的代码是生成一个就校验一个，循环次数多了之后，光循环本身的开销都不小。不如一次生成一批随机名字，然后批量计算哈希筛选符合条件的，这样能大幅减少循环的次数，提升整体效率。比如可以这么改：

def d_security(d):
    import time
    t0 = time.perf_counter()  # 提一嘴：time.clock()在Python3.3+已经被弃用了，用perf_counter计时更准确
    target = "0" * d  # 提前算好目标字符串，别每次循环都生成
    cnt = 0
    batch_size = 1000  # 这个值可以根据你机器性能调，比如2000、5000都试试
    
    while cnt < d:
        # 一次生成一批名字，比单个生成快很多
        names = [generate_name() for _ in range(batch_size)]
        # 逐个校验，找到够数就立刻停
        for name in names:
            hash_obj = c_hash(name, sha256)
            if hash_obj[:d] == target:
                cnt += 1
                if cnt >= d:
                    break
    t1 = time.perf_counter()
    print(t1 - t0)
    return None

2. 上并行计算，榨干多核CPU的性能 #

哈希计算是典型的CPU密集型任务，单线程跑完全浪费了多核CPU的资源。咱们可以用Python的concurrent.futures模块开多进程来并行处理生成和校验，速度能翻好几倍：

from concurrent.futures import ProcessPoolExecutor
import time

# 把校验逻辑抽成单独的函数，方便并行调用
def check_name(name, d, sha256):
    target = "0" * d
    hash_obj = c_hash(name, sha256)
    return hash_obj[:d] == target

def d_security(d):
    t0 = time.perf_counter()
    cnt = 0
    batch_size = 2000
    max_workers = 4  # 改成你CPU的核心数，比如8核就填8
    
    with ProcessPoolExecutor(max_workers=max_workers) as executor:
        while cnt < d:
            names = [generate_name() for _ in range(batch_size)]
            # 并行提交所有名字的校验任务
            results = executor.map(check_name, names, [d]*batch_size, [sha256]*batch_size)
            # 统计符合条件的数量
            matches = sum(1 for res in results if res)
            cnt += matches
    t1 = time.perf_counter()
    print(t1 - t0)
    return None

小提醒：如果你的c_hash是用C扩展实现的（比如调用OpenSSL），多进程比多线程更有效；如果是纯Python写的哈希函数，多线程提升有限，优先选多进程。

3. 优化循环细节，避免无用功 #

原代码里while cnt != d其实可以改成while cnt < d，逻辑更清晰，也避免一些极端情况（比如cnt不小心超过d的话，循环会卡死）。另外，找到足够数量的匹配项后，一定要立刻停止当前的批量处理，别再继续算剩下的名字，像第一个示例里那样的提前break，能省不少时间。

4. 先优化generate_name的效率 #

如果你的generate_name本身写得比较慢，那整个流程的瓶颈可能在这里。比如可以检查下：

• 是不是用了低效的随机字符串生成方式？试试用random.choices来快速生成：

  import random
  import string
  
  def generate_name():
      first_len = random.randint(3,6)
      last_len = random.randint(4,8)
      first = ''.join(random.choices(string.ascii_lowercase, k=first_len))
      last = ''.join(random.choices(string.ascii_lowercase, k=last_len))
      return f"{first} {last}"
  

• 如果不需要大小写混合，固定用小写或者大写，减少字符集的选择范围，也能加快生成速度。

最后一个小细节 #

别再用time.clock()了，Python3.3之后这个函数就被废弃了，改用time.perf_counter()，它能提供更精确的计时结果，适合这种性能测试场景。

内容的提问来源于stack exchange，提问作者roman asa