IPFS技术解析之文件HASH值 ​

众所周知， IPFS 的热门就不必说了，太多的人关注基于它的Filecoin挖矿。除了Filecoin，越来越多的项目也会利用IPFS作为底层存储层或者网络数据传输协议。

IPFS和传统文件系统的一个重要区别就是——内容寻址。顾名思义，就是文件的内容定了，其地址（访问路径）也就确定了。这和我们平时存放文件不一样。通常，我可以给一张图片随意更换文件名，把它拷贝到不同的路径。这样，一模一样的文件，其访问方式却随时变化，不可能根据文件的内容确定其访问路径。相比较而言，内容寻址的IPFS就具有一个天然的优势——防篡改。数据只要修改了一个bit，其地址就彻底变化。想借助修改文件瞒天过海，难度就陡增。

比如，创建了一个很简单的文本文件demo.txt，然后把它上传到IPFS网络中：

$echo -n “StorSwift” > demo.txt$ipfs add demo.txt added QmSsw6EcnwEiTT9c4rnAGeSENvsJMepNHmbrgi2S9bXNJr demo.txt

于是，我们就得到一个HASH值

QmSsw6EcnwEiTT9c4rnAGeSENvsJMepNHmbrgi2S9bXNJr

在全球任何地方都可以访问这个文件。也可以通过IPFS的网关在浏览器中查看：

https://gateway.ipfs.io/ipfs/QmSsw6EcnwEiTT9c4rnAGeSENvsJMepNHmbrgi2S9bXNJr

下面我们简单探索一下，这个HASH值是如何得来的？

1. HASH算法：SHA2-256

玩区块链的人，不管对技术多熟悉，或多或少都知道这个概念。每个文件存入IPFS网络，都会有一个唯一的哈希（HASH）值，通过该值便可以确定文件，进而访问数据。只要文件内容稍微修改，HASH就会变化。IPFS采用了SHA2-256这个安全级别还算高的算法，对任意长度的内容，生成的HASH值长度固定，都是32个字节。

在 Linux 下，直接用sha256sum可以计算SHA2-256格式的HASH值：

$sha256sum demo.txt6739529c5fb0802b60da9827b1a0942e08ab1a63f4bd855c49a74de55774bbef  demo.txt

得到的结果有64字节，其原因是因为用了十六进制的表示方式，每个字符表示4个bit，加在一起就是256bit，也就是32字节。但在IPFS中，并不能利用上面得到的SHA2-256结果，去确定文件地址，因为IPFS还有一些额外的因素需要考虑。

前面我们把demo.txt加入到IPFS中，除了正文里面的StorSwift几个字符之外，IPFS还会添加一些元数据。比如，通过如下命令我们可以看到IPFSF里面到底存放了什么内容：

$ipfs object get QmSsw6EcnwEiTT9c4rnAGeSENvsJMepNHmbrgi2S9bXNJr{“Links”:[],”Data”:”u0008u0002u0012tStorSwiftu0018t”}

返回的是一个JSON格式的字符串，Data显示了具体的内容。可见在文件的原始内容之外，添加了一些其他的数据。IPFS会把文件数据以unixfs这种格式保存，可以认为，它是IPFS的核心数据结构MerkleDAG的一个表现方式。具体内容，以后再做解释。我们可以通过获取IPFS的原始格式的数据，来计算正确的HASH值。IPFS保存的内容会被分成许多块（block），本例的文件因为比较小，一个块就可以保存。所以，我们可以用如下的命令直接获取IPFS block的内容：

$ipfs block get QmSsw6EcnwEiTT9c4rnAGeSENvsJMepNHmbrgi2S9bXNJr  | sha256sum437246839fc6ad5e2b74386df944f99e7cb42998dee02f169644d88ce6b00b8f  -该block的HASH值用十六进制数表示为：

437246839fc6ad5e2b74386df944f99e7cb42998dee02f169644d88ce6b00b8f。

这也就是IPFS用特定格式保存文件之后的HASH值。

2. 扩展需求：multihash

是否用该HASH值就能得到我们通常看到的IPFS文件的HASH值？好像不是那么回事，因为我们看到的文件HASH值都是以Qm开头的，显然在这里对不上号。这就涉及到另外一个话题——动态选择HASH算法的设计。

虽然现在SHA2-256还比较安全，但随着科技的发展，说不定哪天就突然有人宣布，可以破解它呢？那自然需要采用更先进的算法。但IPFS的协议制定好了，也不能随便改。怎么办呢？虽然现在用的是SHA2-256，但可以宣称我支持多种HASH算法，到时候升级算法即可，但不会有大的架构改动。于是，IPFS采用了multihash这种简单的HASH表示方式，支持多种HASH算法。如果未来修改算法，用的仍然是multihash，保证了表达方式的持续性。

multihash的格式简单，具体文档参见：multiformats/multihash。它其实就是一个字符串，由三部分组成：HASH算法编码、HASH值的长度（字节数）、HASH 值。

SHA2-256的编码为0x12，其HASH摘要长度为32字节（十六进制数为0x20）。把1220加到前面所得HASH值的开头，我们得到本例文件的multihash编码（十六机制）：

1220437246839fc6ad5e2b74386df944f99e7cb42998dee02f169644d88ce6b00b8f

3. 易用需求：Base58

但这个HASH值显然也不是我们看到的内容。那是怎么回事呢？它太长了，一堆数字读起来也不容易，所以需要再进行编码，压缩其长度，且容易被传播。为此，IPFS采用了Base58这种编码。

Base58最早被比特币采用，如今在区块链项目中非常流行，经常用于表示钱包地址。做过开发的朋友可能比较了解Base64这种编码，能把任意二进制内容转换成方便软件查看的可读字符。但Base64有一些缺点，就是某些字符不和谐，比如，O和0容易混淆，+和/等符号，很容易让人把一个完整的字符串认为是两个不同的字符串，形成阅读上的障碍。有时候我们用鼠标一点，想自动选中整个字符串，却因为这些符号的干扰，导致选择操作没有那么高效。因此，就诞生了Base58这种编码。很简单，就是和Base64类似，能转换二进制内容为可读字符，只是把前面讲的那些有干扰的字符全部剔除。

Base58的代码非常简单，可以从这里获取：keis/base58

我引用了里面的 Python 源文件，基于前面生成的multihash编码进行计算：

>>> import base58>>> base58.b58encode_int(int(“1220437246839fc6ad5e2b74386df944f99e7cb42998dee02f169644d88ce6b00b8f”, 16))’QmSsw6EcnwEiTT9c4rnAGeSENvsJMepNHmbrgi2S9bXNJr’

得到的结果：

QmSsw6EcnwEiTT9c4rnAGeSENvsJMepNHmbrgi2S9bXNJr，正是前面我们用ipfs add命令得到的HASH值！

补充一点，IPFS现在的multihash值，都是以1220开头的，按照Base58的算法，算出来的结果就都是以Qm开头。

4. 总结

综上所述，大家现在对IPFS文件的HASH值有了比较清楚的认识，知道其来龙去脉了。总结一下，就是：

原始数据封装成 -> 计算SHA2-256 -> 封装成multihash -> 转换成Base58

当然，如果上传的是目录，或者分成多块的文件，其过程就要复杂一些。

注：本文不作为投资理财建议，投资有风险，入市需谨慎。

来源：全球币码翁区块链研究院

本期编辑：Alice

声明：登载此文出于传递更多信息之目的，观点仅代表作者本人，绝不代表Hi区块链赞同其观点或证实其描述。