先通过下面的命令对 md5算法有个感性的认识:

$ md5sum /tmp/1.txt 1dc792fcaf345a07b10248a387cc2718/tmp/1.txt$ md5sum // 从键盘输入,ctrl-d 结束输入hello, world!910c8bc73110b0cd1bc5d2bcae782511-

从上面可以看到,一个文件或一段数据的 md5值是一个字符串,这个字符串一共有 32个字符,每个字符都是一个十六进制字符。因此,如果每 8个字符一组的话,可以分为 4组。同时,每 8个字符可以看成一个 4字节整数的十六进制表示。所以,md5值是 44字节整数的十六进制表示。

有了这样的认识,可能大概已经猜到,md5其实是通过某种运算将任意长度的数据转换为 44字节整数。
44字节整数在 md5里面叫作链接变量(或者叫作状态),可以用 A, B, C, D表示,在初始时,这 4个变量的取值是:

A = 0x01234567B = 0x89abcdefC = 0xfedcba98D = 0x76543210

现在先暂停一下,来关注数据长度的问题。 按照要求,md5算法是以 64字节分组为单位来处理输入文本的,因此当数据长度不是 64字节整数倍的时候,需要在数据的末尾进行填充,使其长度为 64字节的整数倍。填充的方法是先在数据的末尾添加一个 bit1,再接若干个 bit0,然后再附加上一个 64 bit的数,这个数的取值是填充前数据的长度。

至此,在经过填充(如果需要填充的话)后,md5算法处理的数据长度一定是 64字节的整数倍。接下来,就进入了算法的主循环,循环的次数是数据中 64字节分组的数目。

在每次循环之前,需要将 A, B, CD4个变量复制到另外的 4个变量中,即:AaBbCcDd,在每次循环中,计算操作是在abcd4个变量上进行的,计算完后还需要将 abcd加回到原来的A上,以便进行下一次循环,由此可见 md5算法是存在较长的数据依赖的,不太好用向量进行优化。

每次循环有 4轮计算,每一轮进行 16次运算,这里的运算比较复杂,后面用宏定义进行表示。

具体来说,每次循环有 64次运算,第一轮包含第 116次运算,使用的宏是 FF(),第二轮包含第 1732次运算,使用的宏是 GG(),第三轮包含第 3348次运算,使用的宏是 HH(),第四轮包含第 4964次运算,使用的宏是 II()

4个宏的定义分别是:
1)FF()

FF(a, b, c, d, Mj, s, ti) 表示 a = b + ((a + F(b, c, d) +Mj + ti) <<< s)

其中

F(X, Y, Z) = (X & Y) | ((~X) & Z)

2)GG()

GG(a, b, c, d, Mj, s, ti) 表示 a = b + ((a + G(b, c, d) +Mj + ti) <<< s)

其中

G(X, Y, Z) = (X & Z) | (Y & (~Z))

3)HH

HH(a, b, c, d, Mj, s, ti) 表示 a = b + ((a + H(b, c, d) +Mj + ti) <<< s)

其中

H(X, Y, Z) = X ^ Y ^ Z

4)II()

II(a, b, c, d, Mj, s, ti) 表示 a = b + ((a + I(b, c, d) +Mj + ti) <<< s)

其中

I(X, Y, Z) = Y ^ (X | (~Z))

上述宏定义中的 abcd之前已提到,这里不再解释,Mj64字节分组中第 j4字节整数( 0<=j<=15),ti是常量,<<<是循环左移, s也是常量。

下面具体罗列出这 64次运算的表达式,其中 x[j]为数据分组的第 j4字节整数:

// 第一轮FF (a, b, c, d, x[ 0], 7, 0xd76aa478); /* 1 */FF (d, a, b, c, x[ 1], 12, 0xe8c7b756); /* 2 */FF (c, d, a, b, x[ 2], 17, 0x242070db); /* 3 */FF (b, c, d, a, x[ 3], 22, 0xc1bdceee); /* 4 */FF (a, b, c, d, x[ 4], 7, 0xf57c0faf); /* 5 */FF (d, a, b, c, x[ 5], 12, 0x4787c62a); /* 6 */FF (c, d, a, b, x[ 6], 17, 0xa8304613); /* 7 */FF (b, c, d, a, x[ 7], 22, 0xfd469501); /* 8 */FF (a, b, c, d, x[ 8], 7, 0x698098d8); /* 9 */FF (d, a, b, c, x[ 9], 12, 0x8b44f7af); /* 10 */FF (c, d, a, b, x[10], 17, 0xffff5bb1); /* 11 */FF (b, c, d, a, x[11], 22, 0x895cd7be); /* 12 */FF (a, b, c, d, x[12], 7, 0x6b901122); /* 13 */FF (d, a, b, c, x[13], 12, 0xfd987193); /* 14 */FF (c, d, a, b, x[14], 17, 0xa679438e); /* 15 */FF (b, c, d, a, x[15], 22, 0x49b40821); /* 16 */// 第二轮GG (a, b, c, d, x[ 1], 5, 0xf61e2562); /* 17 */GG (d, a, b, c, x[ 6], 9, 0xc040b340); /* 18 */GG (c, d, a, b, x[11], 14, 0x265e5a51); /* 19 */GG (b, c, d, a, x[ 0], 20, 0xe9b6c7aa); /* 20 */GG (a, b, c, d, x[ 5], 5, 0xd62f105d); /* 21 */GG (d, a, b, c, x[10], 9,0x2441453); /* 22 */GG (c, d, a, b, x[15], 14, 0xd8a1e681); /* 23 */GG (b, c, d, a, x[ 4], 20, 0xe7d3fbc8); /* 24 */GG (a, b, c, d, x[ 9], 5, 0x21e1cde6); /* 25 */GG (d, a, b, c, x[14], 9, 0xc33707d6); /* 26 */GG (c, d, a, b, x[ 3], 14, 0xf4d50d87); /* 27 */GG (b, c, d, a, x[ 8], 20, 0x455a14ed); /* 28 */GG (a, b, c, d, x[13], 5, 0xa9e3e905); /* 29 */GG (d, a, b, c, x[ 2], 9, 0xfcefa3f8); /* 30 */GG (c, d, a, b, x[ 7], 14, 0x676f02d9); /* 31 */GG (b, c, d, a, x[12], 20, 0x8d2a4c8a); /* 32 */// 第三轮HH (a, b, c, d, x[ 5], 4, 0xfffa3942); /* 33 */HH (d, a, b, c, x[ 8], 11, 0x8771f681); /* 34 */HH (c, d, a, b, x[11], 16, 0x6d9d6122); /* 35 */HH (b, c, d, a, x[14], 23, 0xfde5380c); /* 36 */HH (a, b, c, d, x[ 1], 4, 0xa4beea44); /* 37 */HH (d, a, b, c, x[ 4], 11, 0x4bdecfa9); /* 38 */HH (c, d, a, b, x[ 7], 16, 0xf6bb4b60); /* 39 */HH (b, c, d, a, x[10], 23, 0xbebfbc70); /* 40 */HH (a, b, c, d, x[13], 4, 0x289b7ec6); /* 41 */HH (d, a, b, c, x[ 0], 11, 0xeaa127fa); /* 42 */HH (c, d, a, b, x[ 3], 16, 0xd4ef3085); /* 43 */HH (b, c, d, a, x[ 6], 23,0x4881d05); /* 44 */HH (a, b, c, d, x[ 9], 4, 0xd9d4d039); /* 45 */HH (d, a, b, c, x[12], 11, 0xe6db99e5); /* 46 */HH (c, d, a, b, x[15], 16, 0x1fa27cf8); /* 47 */HH (b, c, d, a, x[ 2], 23, 0xc4ac5665); /* 48 */// 第四轮II (a, b, c, d, x[ 0], 6, 0xf4292244); /* 49 */II (d, a, b, c, x[ 7], 10, 0x432aff97); /* 50 */II (c, d, a, b, x[14], 15, 0xab9423a7); /* 51 */II (b, c, d, a, x[ 5], 21, 0xfc93a039); /* 52 */II (a, b, c, d, x[12], 6, 0x655b59c3); /* 53 */II (d, a, b, c, x[ 3], 10, 0x8f0ccc92); /* 54 */II (c, d, a, b, x[10], 15, 0xffeff47d); /* 55 */II (b, c, d, a, x[ 1], 21, 0x85845dd1); /* 56 */II (a, b, c, d, x[ 8], 6, 0x6fa87e4f); /* 57 */II (d, a, b, c, x[15], 10, 0xfe2ce6e0); /* 58 */II (c, d, a, b, x[ 6], 15, 0xa3014314); /* 59 */II (b, c, d, a, x[13], 21, 0x4e0811a1); /* 60 */II (a, b, c, d, x[ 4], 6, 0xf7537e82); /* 61 */II (d, a, b, c, x[11], 10, 0xbd3af235); /* 62 */II (c, d, a, b, x[ 2], 15, 0x2ad7d2bb); /* 63 */II (b, c, d, a, x[ 9], 21, 0xeb86d391); /* 64 */

在每次循环中,当执行完上述 64次运算后,还要将最后得到的 a, b, c, d分别加回到原来的 A, B, C, D中,即:

A += a;B += b;C += c;D += d;

这样在经过一次循环后,ABCD都被更新了,然后进行下一次循环,直到处理完所有的 64字节分组。

最后的输出是 ABCD44字节变量的十六进制,也即数据的 md5值,但值得注意的是输出的字符串是 ABCD4个变量的小端序 16进制表示。

参考资料:
1.md5算法的 RFC:rfc1321