注意 .NET string.GetHashCode() 用法

标签：一个数据库   意思   有关   rar   二次   提高   hash算法   好处   mic   

需求案例：需要把字符串存入数据库，并且要求数据库中不能有重复的字符串，由此就引出了将字符串hash成特定的hash值，依靠查询hash值是否重复来判断字符串是否重复。这样做的好处在于查询重复字符串的代价太大，因为字符串可能会非常长，进行逐个比较非常消耗数据库的性能，如果将字符串hash之后，依靠hash值来查重就显得轻便很多了，因为hash值通常都比字符串本身短很多。由于使用的是C#，自然而然就用了string的GetHashCode函数，MSDN上说该函数得到的返回值可以唯一区别一个string，意思就是相同的字符串肯定会得到相同的hash值，不同的字符串的hash值肯定不一样。当时还在疑惑，这个函数的返回值是int型，算起来也就几十亿，但是字符串的组合却是无穷的啊，微软是怎么实现唯一性的呢？

测试结果：调试代码发现用hash值查询一个数据库中已经存在的string，居然说没有重复！这就相当让人费解了，string已经存在了，那么其hash值也肯定已经存在在数据库中，怎么会说没有重复呢？仔细debug代码，惊讶的发现原来string的hash值居然变了，变成了一个和数据库中完全不同的值。

那么为什么同一个string，两次运行GetHashCode得到的返回值却不一样呢？

原来GetHashCode只是保证在同一个进程的内存空间中，string的返回值可以唯一区别一个string。在同一个进程的内存空间中，每个string的hash值都被微软保证不会重复（除非两个string的内容一样），虽然字符串的组合是无限的，但是对于一个进程的内存空间，顶多就几个G的，几个G的内存所能容纳的string的组合就变成了“有限的”了，int型的几十亿足够来保证这些“有限的”string组合有不同的hash值。
但是微软不保证同一个string在调用GetHashCode之后得到的返回值是相同的！因为int就几十亿，如果用来保证每次调用得到的返回值相同，那么势必出现hash值的碰撞。
这也是为什么MD5，SHA2等hash算法得到的返回值都是128位或者256位的原因，因为只有足够长，才能保证少发生碰撞或者发生碰撞之后可以二次hash。

PS：看看微软对这个函数的备注
http://msdn.microsoft.com/zh-cn/library/system.string.gethashcode.aspx
备注
GetHashCode 的行为取决于它的实现，此实现可能会从一个公共语言运行时版本更改为另一个版本。 原因可能是为了提高 GetHashCode 的性能。
说明说明
如果两个字符串对象相等，则 GetHashCode 方法返回相同的值。 但是，每个唯一的字符串值并没有唯一的哈希代码值。 不同的字符串可以返回相同的哈希代码。
有关哈希代码的更多信息，请参见 Object.GetHashCode。

注意 .NET string.GetHashCode() 用法

标签：一个数据库   意思   有关   rar   二次   提高   hash算法   好处   mic   

原文地址：http://www.cnblogs.com/wagxy/p/7294693.html