线程之间的 Python 哈希值不同答案

【问题标题】：Python hashes differ between threads线程之间的 Python 哈希值不同
【发布时间】：2017-02-02 10:35:09
【问题描述】：

我在 Windows 上使用 Python 3.6，并且有一个可并行化的任务，其中包括计算字符串哈希。这基本上是我的问题的最小版本：

#!/usr/bin/env python3
from joblib import Parallel, delayed


def hash_some(foo):
    return hash(foo)


def main():
    hashes = Parallel(n_jobs=10)(delayed(hash_some)(s) for s in ['a', 'a', 'a'])

    print(hashes)


if __name__ == '__main__':
    main()

现在，由于某种原因，这会打印出来，例如：

[3220780809080710068, -561460911962106608, -1551910331007446174]

它们显然应该都是一样的。

哈希值并不总是不同，尤其是对于较低的 n_job 值，它们通常结果相同，但这不能保证。

我知道hash() 在每次程序调用时使用随机种子，但为什么它显然在每个线程中使用不同的种子？有什么方法可以为我的所有线程设置一个固定（但随机）的种子？（我知道PYTHONHASHSEED=0，但我更愿意找到代码内解决方案）

【问题讨论】：

我现在的临时解决方法是使用显式哈希：hashlib.md5(foo.encode()).hexdigest()

标签： python hash concurrency parallel-processing

【解决方案1】：

正如您已经解释的那样，可以使用 PYTHONHASHSEED 控制哈希的随机化，有关更多信息，请阅读 this。现在，如果您想通过代码控制行为，而不是使用 python 解释器选项或导出该环境。 var 一个可能的解决方案可能是这样的：

#!/usr/bin/env python3
import random
import os
from joblib import Parallel, delayed

os.environ['PYTHONHASHSEED'] = '0'

def hash_some(foo):
    return hash(foo)

def main():
    hashes = Parallel(n_jobs=10)(delayed(hash_some)(s) for s in 'a' * 10000)

    print(set(hashes))

if __name__ == '__main__':
    main()

如果您评论 os.environ 行，您会看到最终设置的长度将不再是 1

【讨论】：