docs: add README.md

6 months ago · 1b0c39ad37
1 changed files with 285 additions and 0 deletions
--- a/README.md
+++ b/README.md
@ -0,0 +1,285 @@
 # MD5
 + 纯 C++ 接口及实现。
 + 计算性能比 coreutils 更高。
 + 基于编译期计算，完整实现 MD5 算法。
 + 完善的单元测试及性能基准套件。
 + 支持编译期 MD5 哈希值计算。
 > 这个项目更适合作为学习现代 C++ 或是密码学的工具，在正式的生产环境中，我建议使用 openssl 库。
 ## 快速开始
 您需要在项目中引入本仓库，例如以下命令：
 ```bash
 > mkdir my_project && cd ./my_project/
 > git clone https://github.com/dnomd343/md5sum.git
 ```
 此时，编写一份源代码用于调用，例如 `main.cc` 文件：
 ```c++
 #include "md5.h"
 #include <iostream>
 using md5::MD5;
 int main() {
    std::cout << MD5::Hash("hello world") << std::endl;
 }
 ```
 同时，你需要一份 CMake 配置来驱动它，创建 `CMakeLists.txt` 文件：
 ```cmake
 cmake_minimum_required(VERSION 3.12)
 project(my_project LANGUAGES CXX)
 add_subdirectory(md5sum)
 add_executable(my_demo main.cc)
 target_link_libraries(my_demo PRIVATE md5sum::md5sum)
 ```
 这时，我们只需要将剩下的工作交给编译器，执行以下命令：
 ```bash
 > cmake -Bcmake-build
 > cmake --build cmake-build
 > ./cmake-build/my_demo
 5eb63bbbe01eeed093cb22bb8f5acdc3
 ```
 ## 哈希接口
 所有的哈希计算接口都集中在 `MD5` 这个类中，它分为两种：直接计算和流式更新，前者是一元调用，传入数据并得到哈希结果，后者允许您多次将数据传入并不断更新哈希值，并最终得到结果，这在计算大文件哈希时特别有用。
 以下接口可以直接计算，返回字符串形式的哈希结果：
 ```c++
 static std::string Hash(const std::string_view &data);
 static std::string Hash(const void *data, uint64_t len);
 ```
 以下接口允许流式计算哈希值，使用 `Update` 接口传入数据，调用 `Final` 接口终止计算，并通过 `Digest` 接口得到字符串形式的哈希结果。
 ```c++
 MD5& Update(const std::string_view &data);
 MD5& Update(const void *data, uint64_t len);
 MD5& Final();
 std::string Digest() const;
 MD5& Reset();
 ```
 请注意，在调用 `Final` 后不再应该使用 `Update` 接口，在进行下一轮计算时，请务必调用 `Reset` 接口，否则将得到错误的结果，以下是一个简单的示例：
 ```c++
 #include "md5.h"
 #include <iostream>
 using md5::MD5;
 int main() {
    MD5 hash;
    hash.Update("hello")
        .Update(" ")
        .Update("world")
        .Final();
    std::cout << hash.Digest() << std::endl;
    hash.Reset();
    hash.Update("hello world").Final();
    std::cout << hash.Digest() << std::endl;
    std::cout << MD5::Hash("hello world") << std::endl;
 }
 ```
 ## 编译期哈希
 这是一个很有趣的特性，C++ 允许我们在编译的时候进行一些常量表达式计算，你可以直接将常量二进制数据传入，并得到它的 MD5 常量值。
 不过由于编译器限制，在当前并不支持构建 `std::string` 作为返回值，相应的，它返回 `std::array<char, 32>` 作为结果，函数原型如下。
 ```c++
 static constexpr std::array<char, 32> HashCE(const std::string_view &data);
 static constexpr std::array<char, 32> HashCE(const char *data, uint64_t len);
 ```
 下面是一个例子：
 ```c++
 #include "md5.h"
 #include <iostream>
 using md5::MD5;
 int main() {
    constexpr auto my_hash = MD5::HashCE("hello world");
    std::cout << std::string { my_hash.data(), 32 } << std::endl;
 }
 ```
 ## 测试与基准
 对于一个鲁棒的项目，单元测试和性能基准是很有必要的，`md5sum` 同样提供了这些。在开始之前，我们需要先克隆这些第三方库代码：
 ```bash
 > cd ./md5sum/
 > git submodule update --init
 Submodule 'third_party/benchmark' (https://github.com/google/benchmark.git) registered for path 'third_party/benchmark'
 Submodule 'third_party/googletest' (https://github.com/google/googletest.git) registered for path 'third_party/googletest'
 ···
 ```
 然后，执行以下命令进行编译：
 ```bash
 > cmake -DMD5_ENABLE_TESTING=ON -DMD5_ENABLE_BENCHMARK=ON -Bcmake-build
 > cmake --build cmake-build
 ```
 让我们执行单元测试：
 ```bash
 > ./cmake-build/md5_test
 Running main() from ···
 [==========] Running 5 tests from 1 test suite.
 [----------] Global test environment set-up.
 [----------] 5 tests from md5sum
 [ RUN      ] md5sum.hash
 [       OK ] md5sum.hash (0 ms)
 [ RUN      ] md5sum.hash_ce
 [       OK ] md5sum.hash_ce (0 ms)
 [ RUN      ] md5sum.empty
 [       OK ] md5sum.empty (0 ms)
 [ RUN      ] md5sum.simple
 [       OK ] md5sum.simple (0 ms)
 [ RUN      ] md5sum.stream
 [       OK ] md5sum.stream (30 ms)
 [----------] 5 tests from md5sum (31 ms total)
 [----------] Global test environment tear-down
 [==========] 5 tests from 1 test suite ran. (31 ms total)
 [  PASSED  ] 5 tests.
 ```
 还有性能基准的测试：
 ```bash
 > ./cmake-build/md5_benchmark
 Running ./cmake-build/md5sum/md5_benchmark
 Run on (4 X 4100 MHz CPU s)
 CPU Caches:
  L1 Data 48 KiB (x2)
  L1 Instruction 32 KiB (x2)
  L2 Unified 1280 KiB (x2)
  L3 Unified 6144 KiB (x1)
 Load Average: 1.07, 0.62, 0.85
 ----------------------------------------------------------
 Benchmark                Time             CPU   Iterations
 ----------------------------------------------------------
 MD5_Digest            9.98 ns         9.97 ns     69955773
 MD5_Update/64         78.7 ns         78.6 ns      8892747
 MD5_Update/256         315 ns          315 ns      2224685
 MD5_Update/1024       1259 ns         1258 ns       556361
 MD5_Update/4096       5034 ns         5034 ns       139048
 MD5_Hash/0             101 ns          101 ns      6883388
 MD5_Hash/64            190 ns          190 ns      3686157
 MD5_Hash/256           414 ns          414 ns      1690953
 MD5_Hash/1024         1358 ns         1358 ns       515488
 MD5_Hash/4096         5137 ns         5133 ns       136354
 ```
 这些数据意味着，在 i3-1115G4 这颗 CPU 上，导出一次 MD5 结果需要约 10 纳秒，完成 64 字节的更新需要 78.6 纳秒，完成 4 KiB 的哈希计算需要 5.133 微秒。
 ## 二进制示例
 在本项目中，同时提供了一个演示样例，它可以实现对文件的 MD5 值计算，你需要使用以下命令编译：
 ```bash
 > cmake -DMD5_BUILD_DEMO=ON -Bcmake-build
 > cmake --build cmake-build
 ```
 生成一个 8GiB 的空文件用于测试。
 ```bash
 > dd if=/dev/zero of=test.dat bs=1GiB count=8
 8+0 records in
 8+0 records out
 8589934592 bytes (8.6 GB, 8.0 GiB) copied, 6.7279 s, 1.3 GB/s
 > du -b test.dat
 8589934592	test.dat
 ```
 统计它们各自的用时：
 ```bash
 > time ./cmake-build/md5_demo test.dat
 b770351fadae5a96bbaf9702ed97d28d
 real    0m10.849s
 user    0m10.588s
 sys     0m0.260s
 > time md5sum test.dat
 b770351fadae5a96bbaf9702ed97d28d  test.dat
 real    0m11.854s
 user    0m10.721s
 sys     0m1.132s
 > time openssl md5 test.dat
 MD5(test.dat)= b770351fadae5a96bbaf9702ed97d28d
 real    0m11.497s
 user    0m10.243s
 sys     0m1.252s
 ```
 ## 高级选项
 在项目的 CMake 配置中预留了以下选项，您可以按需进行开关。
 + `MD5_BUILD_DEMO` ：是否构建演示二进制，默认关闭
 + `MD5_SHARED_LIB` ：是否构建为动态库，默认关闭
 + `MD5_ENABLE_LTO` ：是否开启LTO优化，默认打开
 + `MD5_ENABLE_TESTING` ：是否构建项目单元测试，默认关闭
 + `MD5_ENABLE_BENCHMARK` ：是否构建性能基准套件，默认关闭
 注意，如果您使用 clang 编译器和 ld 链接器，由于 GNU LD 并不认识 LLVM 字节码，需要关闭 LTO 选项才能正常链接，或者您可以增加 `-fuse-ld=lld` 选项切换到 LLVM LLD 链接器。
 普遍情况下，Linux 用户并不建议使用 clang 编译，在本项目的性能基准下，它通常会落后 20% 左右（clang18 vs g++12）。
 此外，在构建为动态库时，项目内部的符号将被隐藏，在 strip 以后，仅有以下符号暴露（其中 `FinalImpl` 在头文件内联）：
 ```bash
 > nm -CD ./cmake-build/libmd5sum.so
                 w __cxa_finalize@GLIBC_2.2.5
                 w __gmon_start__
                 w _ITM_deregisterTMCloneTable
                 w _ITM_registerTMCloneTable
                 U memcpy@GLIBC_2.14
                 U __stack_chk_fail@GLIBC_2.4
 0000000000001cc0 T md5::MD5::Update(void const*, unsigned long)
 0000000000001840 T md5::MD5::FinalImpl(void const*, unsigned long)
 0000000000001a80 T md5::MD5::Digest[abi:cxx11]() const
                 U operator new(unsigned long)@GLIBCXX_3.4
 ```
 ## 许可证
 MIT ©2024 [@dnomd343](https://github.com/dnomd343)