如何让dill序列化具备确定性，可稳定生成函数的哈希值？

问题根因 #

连续调用dill序列化同一函数结果不一致，核心是dill默认序列化逻辑会包含函数的动态运行时元信息，比如匿名函数的内存引用标识、序列化会话缓存、模块动态加载上下文、函数临时附加属性等，这些属性每次运行甚至同进程多次创建函数时都会变动，导致序列化结果不稳定。

解决方案 #

方案1：调整dill配置实现确定性序列化（支持后续反序列化） #

如果后续需要用到反序列化能力，可通过固定dill全局配置、清空会话缓存实现稳定输出：

import dill
from hashlib import md5

# 全局固定序列化配置，消除动态因素
dill.settings['protocol'] = 4  # 固定pickle协议版本，不同Python版本默认协议不同，需统一设置
dill.settings['byref'] = False  # 不通过引用传递对象，完整序列化对象内容，避免动态地址影响
dill.settings['recurse'] = True  # 递归序列化所有依赖，避免引用动态模块上下文

def get_stable_func_hash(func):
    # 清空函数附带的动态临时属性
    if hasattr(func, '__dict__'):
        func.__dict__.clear()
    # 清空dill内部会话缓存，避免前序序列化操作影响当前结果
    dill._dill._session = None
    serialized_bytes = dill.dumps(func)
    return md5(serialized_bytes).hexdigest()

# 测试示例
print(get_stable_func_hash(lambda x: {"y": x+2}))
print(get_stable_func_hash(lambda x: {"y": x+2}))
# 两次输出结果完全一致

注意事项：

• 该方案需要固定Python版本和dill版本，跨版本的序列化结果可能存在差异
• 如果函数逻辑依赖外部可变全局变量，需要把变量状态也纳入哈希计算范围

方案2：提取函数静态特征计算哈希（性能更高，无需序列化） #

如果不需要反序列化能力，仅需要生成函数唯一哈希，可直接提取函数核心静态特征计算，速度远高于全量序列化，且完全没有动态因素干扰：

import hashlib

def get_fast_func_hash(func):
    code_obj = func.__code__
    # 拼接函数核心静态特征：字节码、常量池、变量名、默认参数、闭包值
    feature_str = "||".join([
        code_obj.co_code.hex(),
        str(code_obj.co_consts),
        str(code_obj.co_varnames),
        str(func.__defaults__),
        str([cell.cell_contents for cell in (func.__closure__ or [])])
    ])
    return hashlib.md5(feature_str.encode("utf-8")).hexdigest()

内容的提问来源于stack exchange，提问作者dawid