C#中有关string.GetHashCode()的一个重要注意事项！

最近在做项目的时候，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？

由于项目紧，也没多想，就先用着了。

结果今天以调试代码，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，怪不得说没有重复……

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？

再次研究了这个“诡异”的函数。

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，什么意思呢？就是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