共计 2565 个字符，预计需要花费 7 分钟才能阅读完成。

题目：设计一个身份证查询系统，将身份证号 md5 之后存储，输入 md5 值查询对应的身份证号。
要求：成本低，查询速度快

将所有可能的身份证号做一个简单的统计计算数据量
根据数据量选择存储方式
查询

身份号码是特征组合码，由前十七位数字本体码和最后一位数字校验码组成。排列顺序从左至右依次为六位数字地址码，八位数字出生日期码，三位数字顺序码和一位数字校验码。

地址码 ：表示编码对象常住户口所在县(市、旗、区) 的行政区划代码。对于新生儿，该地址码为户口登记地行政区划代码。需要没说明的是，随着行政区划的调整，同一个地方进行户口登记的可能存在地址码不一致的情况。行政区划代码按 GB/T2260 的规定执行。

出生日期码：表示编码对象出生的年、月、日，年、月、日代码之间不用分隔符，格式为 YYYYMMDD，如 19880328。按 GB/T 7408 的规定执行。原 15 位身份证号码中出生日期码还有对百岁老人特定的标识，其中 999、998、997、996 分配给百岁老人。

顺序码：表示在同一地址码所标识的区域范围内，对同年、同月、同日出生的人编定的顺序号，顺序码的奇数分配给男性，偶数分配给女性。

校验码：根据本体码，通过采用 ISO 7064:1983,MOD 11- 2 校验码系统计算出校验码。算法可参考下文。前面有提到数字校验码，我们知道校验码也有 X 的，实质上为罗马字符 X，相当于 10.

将本体码各位数字乘以对应加权因子并求和，除以 11 得到余数，根据余数通过校验码对照表查得校验码。

加权因子表：

+-----------------------------------------------------------+ 
| 位置序号 |1 |2 |3 |4 |5 |6 |7 |8 |9 |10|11|12|13|14|15|16|17| 
+-----------------------------------------------------------+ 
| 加权因子 |7 |9 |10|5 |8 |4 |2 |1 |6 |3 |7 |9 |10|5 |8 |4 |2 | 
+-----------------------------------------------------------+

校验码表:

+----------------------------------------------------+ 
| 余数  | 0 | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 | 10 | 
+----------------------------------------------------+ 
| 校验码 | 1 | 0 | X | 9 | 8 | 7 | 6 | 5 | 4 | 3 | 2  | 
+----------------------------------------------------+

本体码为 11010519491231002

第一步：各位数与对应加权因子乘积求和 1 7+1 9+0 10+1 5+ * =167
第二步：对求和进行除 11 得余数 167%11=2
第三步：根据余数 2 对照校验码得 X

因此完整身份证号为：11010519491231002X

身份证号 18 位，前六位为地区码，中间八位为日期，日期后三位为顺序码，最后一位为校验位，占 32 个字节
md5 值为 32 位，占 32 个字节
计算最近 100 年数据，大约数据量为：3465x100x365x999=126346027500
数据以字符串存储，每条数据32+18=50B
则数据量为 126346027500 x 50=6317301375000B=6169239624k=6024648M=5883G=5.74T `

存储方式有文件存储、关系型数据库存储和 es 存储等。从结果可以看到有接近 6T 的数据，如果存入数据库或 es成本较高，这里选择以文件的方式存储。

那有没有方式压缩存储空间呢？

身份证号最后一位为校验位，可以不存储，省略掉这一位会节约 1 /50 点空间
不以字符串的方式存储，将身份证号以 uint64 存储，md5 值也转化成两个 uint64 存储。uint64 占 8 阁字节空间，这样一条数据的空间由 50 降为了 24。最终数据量为 2.74T，节约一半多的空间。

那现在有一个问题，每个文件多大合适呢？

如果文件太大，每次将文件读取到内存中耗时较长，如果文件太小，则会生成太多的文件可能超出系统的文件数限制。

这里可以参考数据库索引的存储方式，设定每个数据文件的大小（2.8T 数据可以设置每个数据文件 1G 左右。

遍历，依次读取文件，查找数据，效率太低
这里参考数据库索引的查询方式，首先将数据按 md5 值排序后存储多个文件，记录每个文件中 md5 值的范围，输入 md5 值确定文件，再读取文件使用二分查找。
这时查找数据只需要读取一个文件，但是每个文件都有几百兆的数据，查询效率还是太低，再参考一下数据库索引，这里将文件内部再分页，记录每页的范围，和文件所自身记录的起始值一起生成索引，索引结构如图所示：

索引数据结构为：

# 为了简化存储，这里 file1、file2、file3、file4 为该文件第一条数据的 md5 值，也是对应的文件名
# 页的大小固定，所以二级索引只需要按顺序记录每页的第一个 md5 值即可

indexes = {"file1": ["md51", "md52", "md53", "..."],
    "file2": ["md51", "md52", "md53", "..."], 
    "file3": ["md51", "md52", "md53", "..."], 
    "file4": ["md51", "md52", "md53", "..."],  
}

第一层索引为文件索引，首先通过 md5 值判断 md5 值所在文件，比如输入的 start1 > md5 > start1，可以判断结果可能在 file1 中；

第二层为文件内索引，通过 md5 值判断所在的页，读取根据 offset 读取该页的全部数据，再通过二分查找找到对应的身份证号。

代码实现源码地址：https://github.com/gusibi/one…

使用方式：

1. go run main.go
2. curl http://127.0.0.1:8080/search?md5={id md5}

源码地址

最后，感谢女朋友支持和包容，比❤️

也可以在公号输入以下关键字获取历史文章：公号 & 小程序 | 设计模式 | 并发 & 协程

如何通过MD5反查身份证号

设计思路：

身份证生成规则：

校验码算法

算法举例：

预估数据量：

数据生成后如何查询？

参考链接：

站内搜索