python內置的hash函數對於字元串來說，每次得到的值不一樣？

01-05

如圖，為什麼python內置的哈希函數要這麼選擇？雖然一次運行時值是一致的，但是重新運行時得到的值就不相同了。

如果set是用這個hash函數實現的話，那麼需要共享set的話在不同的程序中他們的映射規則不同，難道不會出錯嗎

給題主放倆老新聞的傳送門：

Huge portions of the Web vulnerable to hashing denial-of-service attack
Denial of service via hash collisions

這就是Python的字元串hash隨機化的源頭。

Java（Oracle JDK / OpenJDK）也曾經採用過類似的修補方式，像這樣來可選地初始化一個隨機數seed：

http://hg.openjdk.java.net/jdk7u/jdk7u/jdk/file/1afb03696eb7/src/share/classes/java/util/HashMap.java#l332

/** * Initialize the hashing mask value. We defer initialization until we * really need it. */ final boolean initHashSeedAsNeeded(int capacity) { boolean currentAltHashing = hashSeed != 0; boolean useAltHashing = sun.misc.VM.isBooted() (capacity &>= Holder.ALTERNATIVE_HASHING_THRESHOLD); boolean switching = currentAltHashing ^ useAltHashing; if (switching) { hashSeed = useAltHashing ? sun.misc.Hashing.randomHashSeed(this) : 0; } return switching; }

後來在Oracle JDK8 / OpenJDK8里改為在衝突鏈長的時候使用紅黑樹來降低鏈的長度，就沒有繼續使用這個alternative hashing了。

set/dict的hash還真就是這個玩意實現的，因為它保證了在同一個解釋器進程里相同字元串hash一致。

因為CPython 3.x里的str，它的實體是unicode對象，實體是個utf-8 bytes或者是wstr（嗯這裡真特么有個『或者』），並且通過一個叫做unicodedata_db的玩意來實現緩存（不然就沒法兒保證str對象的不可變與地址一致性了）。

於是乎當你調內部hash的時候，反正不同進程中的解釋器不會共用一個unicodedata_db，這個解釋器進程里的字元串的hash到另一個進程里指不定連個字元串都不是，所以在計算這個內部hash的時候加入了一個code_magic的玩意，同時也均攤了一把複雜度，省得這個db以及set/dict對特定數據表現出極差性能。再說了，誰也不會傻到拿個解釋器內部hash去做跨進程交換。

所以真需要做可重現可跨進程保持一致性的hash，請用hashlib。

新版本Python的一個功能，內置hash函數帶有隨機的magic。補充一下其他答案，這個功能有一定的安全性上的考慮，可以讓攻擊者難以預測內置的set或者dict的一些行為，但遠不足以承擔真正的密碼安全級別的hash的作用。傳遞set和dict到其他進程的時候，只會傳遞其中的值，而不會傳遞hash表結構，hash表是傳到之後重新建立起來的。

python的字元串hash演算法並不是直接遍歷字元串每個字元去計算hash，而是會有一個secret prefix和一個secret suffix，可以認為相當於是給字元串加鹽後做hash，可以規避一些規律輸入的情況

顯然這個secret前後綴的值會直接影響計算結果，而且它有一個啟動時隨機生成的機制，只不過，在2.x版本中，這個機制默認是關閉的，前後綴每次啟動都設置為0，除非你改了相關環境變數來要求隨機，而在3.x中修改了默認行為，如果你不配置環境變數，則默認是隨機一個前後綴值，這樣每次啟動都會不同

這個環境變數是PYTHONHASHSEED，無論在2.x還是3.x中，配置為一個正整數，將作為隨機種子；配置為0，則secret前後綴默認清零（和2.x默認行為就一樣了），配置為空串或「random」，則表示讓進程隨機生成（和3.x默認行為一樣）

具體為啥要這麼做，猜測一個是為了安全性（防字元串hash表的攻擊，比如php曾經碰到的攻擊），另一個可能也是強調不要依賴一些內建結果，因為這種演算法可能隨著版本而更新，避免有些用戶不看文檔，誤以為是永遠不變的