一文讲透 .NET 中的 `GetHashCode`：从一段错误的去重代码说起

一文讲透 .NET 中的GetHashCode：从一段错误的去重代码说起

当你看到Distinct去重结果不符合预期时，很可能不是因为数据有问题，而是因为IEqualityComparer中的GetHashCode实现出错了。本文从一个真实代码片段出发，深入剖析哈希码的原理、书写规范，并给出正确且高性能的实现方式。

一、一段“诡异”的去重代码

先看下面这段代码，它尝试对hr_data_approve对象集合按userid、begintime、endtime三个字段的组合进行去重：

publicclassApproveDistinctCompare:IEqualityComparer<hr_data_approve>{publicboolEquals(hr_data_approvex,hr_data_approvey){returnx.begintime==y.begintime&&x.endtime==y.endtime;}publicintGetHashCode([DisallowNull]hr_data_approveobj){returnobj.userid.GetHashCode();}}leaveList=leaveList.Distinct(newApproveDistinctCompare()).ToList();

乍一看似乎没什么问题，但实际运行后去重结果完全不符合预期：有时本该去重的记录留了下来，有时不该去重的却被删掉了。原因就藏在GetHashCode和Equals的不一致上。

二、HashCode是什么？为何如此重要？

2.1 哈希码的定义

GetHashCode返回一个int类型的数值，可以理解为对象的“短指纹”。它的核心作用是为基于哈希表的集合（如HashSet<T>、Dictionary<TKey,TValue>、LINQ的Distinct()等）提供快速定位能力。

哈希表的工作原理大致是：

1. 插入元素时，先调用GetHashCode得到哈希码，通过hashCode % bucketCount决定将元素放入哪个“桶”。
2. 查找时，同样计算哈希码，直接定位到对应的桶，然后在桶内使用Equals逐个比较。

2.2 哈希码的黄金法则

如果Equals(a, b)返回true，那么a.GetHashCode()必须等于b.GetHashCode()。
反之不要求（不同对象可以哈希码相同，这叫“碰撞”）。

违反这一法则，哈希表的行为会变得完全不可预测——因为两个“相等”的对象可能被分配到不同的桶，导致Equals永远不会被调用，从而误判为不相等。

三、原代码错在哪？

更严重的是，由于Equals和GetHashCode用的字段完全不同，违反了哈希码黄金法则：两个具有相同begintime/endtime但不同userid的对象，Equals返回true，而GetHashCode因为userid不同而返回不同值。这会让Distinct内部判断逻辑混乱，去重结果随机错误。

四、正确的GetHashCode应该怎么写？

针对场景二（基于 userid、begintime、endtime 三者组合去重），正确的实现如下：

publicclassApproveDistinctCompare:IEqualityComparer<hr_data_approve>{publicboolEquals(hr_data_approvex,hr_data_approvey){if(ReferenceEquals(x,y))returntrue;if(xisnull||yisnull)returnfalse;returnx.userid==y.userid&&x.begintime==y.begintime&&x.endtime==y.endtime;}publicintGetHashCode([DisallowNull]hr_data_approveobj){if(objisnull)thrownewArgumentNullException(nameof(obj));unchecked{inthash=17;hash=hash*31+(obj.userid?.GetHashCode()??0);hash=hash*31+(obj.begintime?.GetHashCode()??0);hash=hash*31+(obj.endtime?.GetHashCode()??0);returnhash;}}}

4.1 代码逐行解读

unchecked关键字

• 哈希计算涉及乘法，int很容易溢出。unchecked允许溢出时自动回绕（wrap around），这是哈希算法的正常现象，无需抛出异常。

为什么选17和31？

• 这两个数是素数，使用素数可以降低哈希碰撞的概率。
• 31是经典的乘数（Java 的Objects.hash()也用 31），因为31 * i可被 JIT 优化为(i << 5) - i，位运算效率高。

为什么每次都乘以31？

• 避免不同字段顺序产生相同的哈希值。比如("A","B")和("B","A")如果仅累加，会得到相同结果；而乘以质数再加新字段，可以让顺序影响最终哈希值。

obj.userid?.GetHashCode() ?? 0

• 处理字段可能为null的情况：当userid为null时，?.阻止调用GetHashCode，表达式返回null，?? 0将其替换为0。这样既安全又不会抛空引用异常。

为什么要用三个字段？

• 必须与Equals基于完全相同的字段组合。因为Equals判断三个字段全部相等才返回true，所以只有当三个字段都相同时，哈希码也必须相同。这是契约的要求。

4.2 简化写法（.NET Core 2.1+）

如果你使用的框架版本支持System.HashCode，可以大幅简化：

publicoverrideintGetHashCode()=>HashCode.Combine(userid,begintime,endtime);

VSCode / Visual Studio 还提供了自动生成Equals和GetHashCode的功能（右键 → 快速操作 → 生成 Equals/GetHashCode），非常推荐使用。

五、常见误区与最佳实践

误区1：只在Equals里写逻辑，GetHashCode随便返回一个常数

• 后果：所有对象哈希码相同，全部落入同一个桶，哈希表退化成链表，性能从 O(1) 变成 O(n)。

误区2：用可变字段参与哈希码计算

• 后果：对象加入HashSet后，如果参与哈希码的字段被修改，该对象在哈希表内的位置就会“丢失”，再也无法被查找或删除。推荐仅用不可变字段（如 Id、创建时间）计算哈希码。

误区3：不处理null值

• 后果：当字段为null时调用其GetHashCode会抛出NullReferenceException。始终使用?.GetHashCode() ?? 0或显式判断。

最佳实践总结

1. Equals和GetHashCode必须基于完全相同的字段组合。
2. 使用质数（如 17、31）作为初始值和乘数，降低碰撞率。
3. 用unchecked处理溢出。
4. 处理可能为null的字段。
5. 优先使用HashCode.Combine或 IDE 生成工具。
6. 哈希码计算中使用的字段应为只读（或至少不应在对象作为哈希表键时被修改）。

六、结语

GetHashCode看起来只是简单的整数计算，但它与Equals共同构成了 .NET 中所有哈希集合的基石。一个小小的不一致，就可能让Distinct、HashSet、Dictionary出现匪夷所思的错误。下次再遇到“明明数据一样，为什么去重无效”的问题，请第一时间检查GetHashCode和Equals是否“言行一致”。

记住黄金法则：

// 如果以下代码输出 true，那么 hash1 必须等于 hash2boolequal=comparer.Equals(a,b);inthash1=comparer.GetHashCode(a);inthash2=comparer.GetHashCode(b);

希望这篇文章能帮你彻底理解哈希码，写出健壮、高效的自定义比较器。