为何在不同机器上对numpy数组执行blake2b会得到不同结果？

在两台不同机器（一台Linux、一台Windows，均为64位小端序）上运行以下Python代码，使用了相同版本的Python和numpy，但输出的blake2b哈希结果不同。打印数组字节内容时二者完全一致。

代码如下：

import numpy as np
from hashlib import blake2b

print(blake2b(np.array([1, 2, 3])).hexdigest())

• 核心问题：numpy数组对象直接传入哈希函数的处理差异
  blake2b要求传入字节类对象，但直接传入numpy.ndarray实例时，哈希函数处理的不是数组的原始数据字节，而是numpy数组对象的内部完整表示——不同系统中，数组对象的一些隐藏元数据（比如内存管理相关的属性）可能存在细微差异，这些差异会被纳入哈希计算，导致结果不同。

• 关键验证点
  你已经确认数组的字节内容一致，说明数组的实际数据部分没有问题，问题出在数组对象本身的跨系统表示差异上。

• 解决办法
  提取数组的原始字节数据再传入哈希函数，修改后的代码如下：

  import numpy as np
  from hashlib import blake2b
  
  arr = np.array([1, 2, 3])
  print(blake2b(arr.tobytes()).hexdigest())
  

  使用arr.tobytes()可以精准获取数组的原始数据字节，这部分在符合小端序的64位系统中完全一致，因此哈希结果会统一。

内容的提问来源于stack exchange，提问作者Ray Bern