UUID v4: estructura de 122 bits y probabilidad de duplicado

PublicadoHerramientaGenerador de UUID

Contenido
  1. ¿Por qué se corta justo en 8-4-4-4-12?
  2. Cómo comprobarlo tú mismo sin herramientas
  3. Qué significan 122 bits: calculemos la probabilidad de colisión
  4. Los puntos que más confunden
  5. Resumen
  6. Preguntas frecuentes

Este artículo es para quien vio por primera vez una cadena como f47ac10b-58cc-4372-a567-0e02b2c3d479 y pensó «¿de verdad no se repetirá nunca?». Si vamos directo a la conclusión: en un UUID v4 122 de sus 128 bits son aleatorios y los 6 bits restantes son una marca fija que dice «soy v4».

Por eso, eso de que no se repiten no es una cuestión de fe, sino de cálculo. Basta con conocer la estructura de sus posiciones para distinguir a simple vista si algo es v4, y también para calcular tú mismo la probabilidad de colisión.

Resumen ① 36 caracteres = 32 caracteres hexadecimales + 4 guiones. Son 128 bits (16 bytes) cortados en 8-4-4-4-12. ② El primer carácter del tercer bloque es siempre 4 (versión) y el del cuarto bloque es uno de 8, 9, a o b (variante). ③ Los 122 bits restantes son aleatorios, así que el número de combinaciones posibles es 2 elevado a 122, unos 5,3 × 10³⁶.

¿Por qué se corta justo en 8-4-4-4-12?

Un UUID es un valor de 128 bits. Si escribes 16 bytes en hexadecimal, cada byte ocupa dos caracteres, así que salen 32 caracteres, y dentro de ellos se insertan 4 guiones para dividirlos en cinco bloques.

Por eso la cadena de un UUID mide siempre 36 caracteres. Si la longitud no es 36, puedes descartar de inmediato que se trate de la notación estándar.

Las posiciones donde se dividen los bloques son valores fijos que establece la especificación. La norma vigente es la RFC 9562, publicada en mayo de 2024, que sustituyó a la RFC 4122, la que se venía usando desde hacía mucho tiempo.

BloqueCaracteresPosición sobre los 32 caracteres hexadecimales sin guionesPosición especial
1.º81–8—
2.º49–12—
3.º413–16Primer carácter = versión
4.º417–20Primer carácter = variante
5.º1221–32—

La RFC 9562 define el campo de versión como los 4 bits más altos del sexto octeto (los bits 48 a 51 del conjunto). Esa posición es la del primer carácter del tercer bloque.

En v4 esos 4 bits están fijados en 0100, así que en pantalla siempre se ve un 4. En el ejemplo de antes, ...-4372-..., ese primer 4 es exactamente eso.

El campo de variante son los 2 bits más altos del octavo octeto, es decir, la posición del primer carácter del cuarto bloque. Como esos 2 bits están fijados en 10, ese único carácter solo puede ser uno de estos cuatro: 8, 9, a o b.

En resumen, el aspecto externo de un v4 queda fijado así. En la posición y solo pueden aparecer 8, 9, a o b.

xxxxxxxx-xxxx-4xxx-yxxx-xxxxxxxxxxxx
              ↑    ↑
         versión 4  variante (8/9/a/b)

Cómo comprobarlo tú mismo sin herramientas

Hay tres formas de verificar si el valor que recibiste es realmente un v4.

1. A simple vista. Solo tienes que fijarte en que al cortar por los guiones se cumpla 8-4-4-4-12, en que el primer carácter del tercer bloque sea 4 y en que el primer carácter del cuarto bloque sea uno de 8, 9, a o b.

2. Genéralo tú mismo en el navegador. Si escribes lo siguiente en la consola de las herramientas de desarrollo (normalmente se abren con F12), obtendrás un v4.

crypto.randomUUID()
// → "36b8f84d-df4e-4d49-b662-bcde71a8764f"

Esta función genera un v4 con números aleatorios criptográficamente seguros. Eso sí, solo funciona en un contexto seguro (HTTPS o localhost), así que en una página abierta con http:// puede que te diga que la función no existe.

3. Valida el formato con una expresión regular. Comprueba de una vez la longitud, las posiciones de los separadores, la versión y la variante.

const isV4 = (s) =>
  /^[0-9a-f]{8}-[0-9a-f]{4}-4[0-9a-f]{3}-[89ab][0-9a-f]{3}-[0-9a-f]{12}$/i.test(s);

isV4("f47ac10b-58cc-4372-a567-0e02b2c3d479")   // true
isV4("f47ac10b-58cc-1372-a567-0e02b2c3d479")   // false (v1)

Aquí empieza lo incómodo. La consola te devuelve uno cada vez, y si necesitas varios o quieres pasarlos a una forma sin guiones o en mayúsculas, tienes que modificar el código y volver a ejecutarlo cada vez.

Compruébalo con nuestra herramienta. Indica una cantidad y pulsa Generar para obtener la lista completa de una vez, junto con las opciones Quitar guiones y Mayúsculas y el botón Copiar todo.

Generador de UUID

Se genera al instante en el navegador, sin instalar nada ni registrarte, y los UUID creados no se envían a ningún servidor.

Qué significan 122 bits: calculemos la probabilidad de colisión

Si a los 128 bits les restas los 4 de la versión y los 2 de la variante, quedan 122 bits. La RFC 9562 define v4 dividiéndolo en random_a de 48 bits, random_b de 12 bits y random_c de 62 bits, y especifica que la suma de los tres, 122 bits, es aleatoria.

Entonces, el número de valores distintos que puede tomar un v4 es 2 elevado a 122. Desarrollado: 5 316 911 983 139 663 491 615 228 241 121 378 304, aproximadamente 5,3 × 10³⁶.

Como es un tamaño difícil de imaginar, lo ponemos de otra forma: es mayor que un billón (10¹²) elevado al cubo.

La probabilidad de colisión se calcula con el problema del cumpleaños

Lo importante no es la probabilidad de coincidir con un valor concreto, sino la de que los valores que tú generas choquen entre sí. Es el mismo cálculo que el del problema del cumpleaños, y su fórmula aproximada es la siguiente.

p ≈ n² ÷ (2 × N), donde n es la cantidad de UUID generados y N el número de valores posibles (2 elevado a 122)

Si metes números en esa expresión, obtienes lo siguiente. Son valores que puedes comprobar haciendo el cálculo tú mismo.

UUID generadosProbabilidad de que al menos uno se repita (aproximada)
1000 millonesunos 9,4 × 10⁻²⁰ (menos de una entre 10¹⁹)
unos 103 billonesaproximadamente una entre 1000 millones

Esta fórmula aproximada solo es válida cuando la probabilidad es muy pequeña. El punto en el que la probabilidad llega a la mitad se obtiene con otra expresión del problema del cumpleaños: n ≈ 1,18 × √N.

Si sustituyes N por 2 elevado a 122, sale aproximadamente 2,7 × 10¹⁸, es decir, unos 2,7 trillones. Es una escala distinta de la cantidad de identificadores que genera un servicio concreto.

El verdadero riesgo no es la probabilidad, sino la fuente de aleatoriedad

El cálculo anterior solo se sostiene si los 122 bits son aleatorios y están repartidos de forma uniforme. Si los números aleatorios están sesgados o son predecibles, el número real de combinaciones se reduce y el cálculo en sí deja de tener sentido.

Esa es la razón por la que la RFC 9562 recomienda usar un generador de números aleatorios criptográficamente seguro (CSPRNG). En el navegador cumplen esa función crypto.randomUUID() y crypto.getRandomValues().

Por el contrario, un UUID cuyas posiciones se han rellenado con Math.random() solo es v4 en apariencia: no ofrece esas probabilidades. La propia especificación deja escrito que es imposible garantizar la unicidad global sin un sistema de conocimiento compartido.

Los puntos que más confunden

SituaciónLo que ocurre en realidad
Guardarlo sin guiones, con 32 caracteresEl número de posiciones es fijo, así que puedes volver a 8-4-4-4-12 cuando quieras
Escribirlo en mayúsculasLa ABNF de la RFC 9562 admite mayúsculas, minúsculas y combinaciones de ambas
La notación entre llavesEs una convención de la notación GUID, no el formato de cadena de la RFC
Un valor con todo cerosEs el Nil UUID y no es un v4 (las posiciones de versión y variante también son 0)
Ordenarlos para deducir el orden de creaciónEn un v4 no hay ninguna información temporal, así que es imposible

Donde más problemas aparecen es con las mayúsculas y minúsculas. Según la especificación, ambas formas son el mismo UUID válido, pero si en la base de datos o en el código las comparas como cadenas tal cual, se tratan como valores distintos. Es más seguro unificarlas en un solo sentido en el momento de guardarlas.

El otro punto es el índice de la base de datos. La RFC 9562 señala directamente que los UUID que no siguen un orden temporal, como v4, tienen mala localidad en los índices de base de datos. La razón es que los valores creados uno tras otro quedan dispersos en el índice, de modo que las inserciones se producen en posiciones aleatorias.

Para atacar justo este problema, la RFC 9562 define algo nuevo: v7. Su parte inicial es una marca de tiempo en milisegundos desde la época Unix, por lo que se ordena según el orden de creación, y las posiciones restantes se rellenan al azar. Si no necesitas ese orden, con un v4 tienes de sobra.

Resumen

  • Un UUID tiene 128 bits: 32 caracteres hexadecimales + 4 guiones = 36 caracteres, agrupados en 8-4-4-4-12.
  • El primer carácter del tercer bloque es la versión. En un v4 siempre es 4.
  • El primer carácter del cuarto bloque es la variante. Sus dos bits más altos están fijados en 10, así que solo puede ser 8, 9, a o b.
  • Los 122 bits restantes son aleatorios, y el número de combinaciones posibles es 2 elevado a 122 (aproximadamente 5,3 × 10³⁶).
  • Aunque generes 1000 millones, la probabilidad de que se repita alguno es menor que 1 entre 10¹⁹, y para llegar al 50 % harían falta unos 2,71 × 10¹⁸ UUID.
  • Para que esa probabilidad se cumpla, la fuente de números aleatorios debe ser criptográficamente segura. Las implementaciones basadas en Math.random() no lo son.
Generador de UUID

Se genera al instante en el navegador, sin instalar nada ni registrarte, y los UUID creados no se envían a ningún servidor.

Preguntas frecuentes

¿Está garantizado que dos UUID v4 nunca se repiten?

No, y el propio estándar no lo afirma. RFC 9562 señala que es imposible garantizar la unicidad global sin un sistema de conocimiento compartido. Lo que hace la estructura de 122 bits aleatorios es reducir la probabilidad de colisión hasta un nivel que en la práctica se puede ignorar. Aunque generes 1000 millones, la probabilidad de que al menos dos coincidan es menor que 1 entre 10¹⁹.

¿Por qué he recibido un UUID cuyo tercer bloque no empieza por 4?

Porque es un UUID de otra versión. Ese carácter muestra precisamente el número de versión del UUID. Si es 1, se trata de un v1, basado en tiempo e información de nodo; 3 y 5 son las versiones que se crean aplicando un hash a un nombre; y 7 es el v7, que coloca delante una marca de tiempo Unix en milisegundos. El formato no está roto: es un UUID generado de otra forma, así que si en algún sitio solo aceptan v4, basta con filtrarlo con una expresión regular.

¿Puedo guardarlo sin guiones, con 32 caracteres?

Sí, y se puede revertir. Como la longitud de cada bloque está fijada en 8-4-4-4-12, volver a insertar los guiones no requiere información adicional. Eso sí, si cada sistema usa una notación distinta, el mismo valor acabará guardado como cadenas diferentes, así que conviene unificar de una vez si llevan guiones y si van en mayúsculas o minúsculas. La opción de quitar guiones de la herramienta muestra el valor generado sin ellos.

¿Los UUID que genero en el navegador se envían al servidor?

No. La herramienta crea los valores con crypto.randomUUID(), integrado en el navegador, y los UUID generados no se envían ni se guardan en ningún servidor. Da igual que aumentes la cantidad y saques varios a la vez: si recargas la página, la lista desaparece.

Este artículo está adaptado de nuestro original en coreano. Leer el original en coreano

Artículos relacionados

  1. QR de contacto vCard: cómo se guarda el contacto al escanearUn QR de contacto lleva el texto vCard, no una URL: al escanearlo se abre la pantalla de nuevo contacto sin internet. Copia el vCard listo.
  2. Lorem ipsum: significado, origen y por qué se usaEl «Lorem ipsum» sale de un texto de Cicerón recortado y con erratas. Conoce su significado, por qué no se lee y cuándo necesitas relleno en otro alfabeto.
  3. README de GitHub: licencia y estructura para no perder visitasSin licencia, tu repositorio queda con todos los derechos reservados. Aprende qué debe incluir un README para que quien llega se quede y sepa cómo usarlo.
  4. Política de privacidad: por qué la necesitas incluso con cookiesUna sola cookie ya implica tratar datos: por qué necesitas una política de privacidad, qué debe incluir y por qué una plantilla sola no basta.
  5. Formato de código QR de WiFi: cómo conecta al escanearloEl QR de WiFi guarda una línea de texto con el SSID y la contraseña. Aprende la estructura de campos, cuándo escapar caracteres y qué es H:true.
  6. Nube de palabras: la palabra más grande no es la más frecuentePor qué la palabra más grande de una nube de palabras no es siempre la más frecuente: filtros, tamaño lineal, colocación y cómo contarlo a mano.

Herramientas relacionadas