Hadoop SequenceFile二进制文件安全吗？

Question

我阅读了hadoop-1.0.4源代码中的SequenceFile.java。我还发现了sync(long)方法，该方法用于在SequenceFile中将SequenceFile拆分为文件拆分时，在MapReduce中查找“同步标记”(在文件创建时生成的16字节MapReduce)。

/** Seek to the next sync mark past a given position.*/
public synchronized void sync(long position) throws IOException {
  if (position+SYNC_SIZE >= end) {
    seek(end);
    return;
  }

  try {
    seek(position+4);                         // skip escape
    in.readFully(syncCheck);
    int syncLen = sync.length;
    for (int i = 0; in.getPos() < end; i++) {
      int j = 0;
      for (; j < syncLen; j++) {
        if (sync[j] != syncCheck[(i+j)%syncLen])
          break;
      }
      if (j == syncLen) {
        in.seek(in.getPos() - SYNC_SIZE);     // position before sync
        return;
      }
      syncCheck[i%syncLen] = in.readByte();
    }
  } catch (ChecksumException e) {             // checksum failure
    handleChecksumException(e);
  }
}

这些代码只是查找包含与“同步标记”相同数据的数据序列。

我的疑问是：

考虑这样一种情况，SequenceFile中的数据恰好包含与“同步标记”相同的16字节数据序列，上面的代码将错误地将该16字节数据视为“同步标记”，然后SequenceFile将无法正确解析？

我没有发现任何关于数据或同步标记的“转义”操作。SequenceFile如何才能是二进制安全的？我是不是遗漏了什么？

Answer 1

冲突在技术上是可能的，但在现实中却是难以置信的不可能。

来自http://search-hadoop.com/m/VYVra2krg5t1

给定的随机16字节字符串出现在23(均匀分布)数据中的概率约为10^-23。更有可能的是你的数据中心被一颗陨石(http://preshing.com/20110504/hash-collision-probabilities)摧毁了。