前言
网盘/云盘产品在我们日常工作生活中使用的频次是日益增多了，从外出旅游的照片、随手拍的短视频，到追的各种韩剧、日剧、欧美剧和荧幕大片，再到工作用到的各种PPT文档、电子资料，我们已逐渐习惯了上传到网盘然后随时存取。当我们上传一些比较通用的软件安装包或者流行的影视作品时，虽然文件很大，但是经常出现秒传的现象，这些是怎么实现的呢？
一、网盘 屏蔽/秒传 资源的方式
大白话：文件通过某种方式都能确定出一串数值，该数值基本上唯一(为什么要说基本上？后文会解析) 。为了方便理解，我们不妨先暂时叫它特征值。
秒传实现方式：当你上传文件时，网盘客户端先计算该文件的特征值，然后在数据库中查询。如果有相同的特征值就说明是同一文件，就把它“秒传”到你的网盘上，实际上你用的还是网盘服务器上已存在的资源。
屏蔽实现方式：当网盘后台审核人员认为某一文件违法，则此文件特征值就被“拉黑”了。不论你是已经在网盘里的还是准备从磁力下，通通屏蔽，这就是有时候我们洗种改了敏感词依然不能离线成功的原因—特征值没有变化。
二、MD5
上文我们提到了通过某种方式来确定特征值，这种方式就是我们今天要说的MD5算法（其实现在用SHA-256 和SHA-512 的多，科普入门所以这里不再赘述）。这里不说很多书面的知识包括MD5 长度几个bit 算法实现等等，只说最关键的：MD5是输入不定长度信息，输出固定长度128-bits的算法。
说大白话就是：不论输入的变量长度是多少，输出长度是固定的。再翻译一下就是2G的文件和20G的文件，翻译成0101010101，通过MD5算法算出来的特征值长度是一样的。
这时候有人会说: “特征值就这么长，世界上文件这么多，万一有两个不同的文件MD5值一样怎么办？” 恭喜你！都会抢答了。这种情况当然会存在，只不过概率很小。原因的话涉及到算法本身，感兴趣建议看一下《应用密码学：协议、算法与C源程序（原书第2版）》 （其实我也没认真看过 论坛有搞密码学的大佬给大家科普科普啊）。
回到刚刚问题上来，如果两个不同的文件MD5值一样会出现什么情况？设想这样一个场景：你今天结婚，拍摄的婚礼录像很宝贵，你把录像存到网盘，显示“秒传”成功。若干年后你想重温一下，打开网盘点开视频，发现是风马牛不相及的其他视频，比如7个葫芦娃…
同理，当你上传合法合规的文件时提示“该文件违反条例已被屏蔽”…
三、总结
上面举的例子多少有些危言耸听了，甚至有可能网盘都不是用的MD5。但道理是相同的，实际上，两个不同的文件MD5值一样的概率很小很小 (不过现在已经有相关技术了) ，而且MD5算法现在基本上用于校错，有更高级的算法(比如SHA-512)来代替它。我相信随着技术的发展和密码学的进步这些问题都会迎刃而解，说不定不久的未来就会出现一种完美的算法来服务于这些产品。
扩展：
网盘秒传在扩散传播一些公开的、通用的文件时，因为其便捷省时，固然是值得称道的；但是对于有保密或者隐私要求的文件是一个不小的隐患，一个小技巧是制作一个单独的小txt文件，然后和需要上传的文件一起打包，这样压缩包的MD5值一定会发生改变，可以有效降低被识别为秒传资源的概率…当然，重要和敏感的数据还是少上传为妙，不管什么系统都不是100%可靠的！
资料收集自互联网络，由IT摇篮曲整理。
