从Java 8开始，您可以使用
Long.hashCode(guid);
对于较旧版本的Java，您可以使用以下内容：
Long.valueOf(guid).hashCode();
(int)(this.longValue()^(this.longValue()>>>32))
这些方案很不错，因为它们利用了Java库——总是更好地利用已经经过测试的东西。
-XX:+DoEscapeAnalysis参数，最近的Sun/Oracle JVM将对此进行优化。JVM会注意到Long实例不需要存在于语句之外，因此可以在堆栈上创建。此外，它还可以内联代码（它会注意到我们谈论的是Long而不是另一个扩展Long的类）。基于堆栈的创建和内联允许JVM进行其所知道的全部主机进一步优化。 - Thomas Pornin如果你还没有使用Guava，那么这可能只是一个小问题，但是Guava可以很好地帮你完成这个任务：
public int hashCode() {
return Longs.hashCode(id);
}
Long.valueOf(id).hashCode() 的值：return (int) (value ^ (value >>> 32));
此外，如果您有其他值或对象是哈希码的一部分，您可以直接编写以下代码：
return Objects.hashCode(longValue, somethingElse, ...);
long会被自动装箱成Long，因此您将获得正确的哈希码作为整体哈希码的一部分。
hashCode的目的。是的，均匀分布是理想的（虽然不是实际要求）。((id >> 32) ^ id)。java.lang.Long 定义的 hashCode，尽管它使用 >>> 而不是 >>。我想知道 (new Long(id)).hashCode(); 或类似的代码是否能够得到优化。 - Steve Jessop>>>和>>没有区别，因为移位期间引入的额外32位将被丢弃。 - Grodriguez0xffffffff开始倒数。>>是有符号位移，而>>>是无符号位移。有符号位移保留最高的1位，以保持负号，例如-0x10 >> 0x2得到-0x4，而-0x10 >>> 0x2得到0x3ffffffc。此外，-1 >>> 1得到0x7fffffff。long比int宽两倍，因此将一半的位向下移动只影响前32位。 - Jack GJava 8在JDK中添加了Long.hashCode(long)。
以下代码可以提高性能。该代码将计算缩小到32位int，而不是使用64位long进行计算。这在32位及更小的架构上可能会有所不同。x86机器上的32位进程可以将其优化为一个简单的指令，即对2个寄存器执行XOR操作。
return (int)(value ^ (value >>> 32));
int result = (int)((longVal >> 32) ^ longVal);
将会更加均匀分布，因为如果您的长整型数值只有上位比特发生变化，取模运算不会返回不同的值。
(l >> 32) ^ l 在大多数情况下是一个很好的哈希码；特别是当 long 具有均匀分布时。
由于它是被接受的答案，我在此发布这篇文章，以澄清我的一些评论，即在某些情况下，它不是一个很好的 long 类型的哈希码。
我给出的例子是一个像这样的 Point 类：
public class Point {
private final long coords; //x in high-bits, y in low
public int getX() {
return (int)(coords >> 32);
}
public int getY() {
return (int)coords;
}
public int hashCode() {
return (int)((coords >> 32) ^ (coords));
}
}
看起来有些牵强，但有时您会将多个“字段”打包到一个长字段中。
因此，coords字段表示32位x和32位y。那么这是个问题吗？如果每个x和y在各自的32位上均匀分布，那么就不是问题。但在实践中，这是不太可能的。更有可能的情况是X和Y受到某个数字的限制。假设为1024，因为它是2^10。这意味着最多设置每个X和Y的低10位：
00000000 00000000 000000XX XXXXXXXX 00000000 00000000 000000YY YYYYYYYY
有2^20（1024 * 1024）种可能的组合。但是hashCode方法在做什么呢？
00000000 00000000 000000XX XXXXXXXX
^ 00000000 00000000 000000YY YYYYYYYY
-------------------------------------
= 00000000 00000000 000000?? ????????
由于只有低10位可以是非零值，因此最多可能有2^10（1024）个hashCode值。哈希值与实际值的比率为1024:(1024*1024)或1:1024。因此，一开始就有1/1024的概率两个数字具有相同的哈希值。
现在让我们通过应用birthday problem中的数学来计算碰撞的概率。设p(n)为n个值中至少会有一个碰撞的概率。我们知道p(1025+) = 1，因为只有1024个值。
p(n) = 1 - (n! * (1024 choose n))/1024^n
这可以转化为以下内容：
n: p(n)
1: 0.00000
2: 0.00098
3: 0.00293
4: 0.00585
5: 0.00973
6: 0.01457
...
38: 0.50096
...
79: 0.95444
...
148: 0.99999
仅有38个项目，很可能会发生碰撞。有148个项目时，至少有99.999％的概率会发生碰撞。在148个项目中，每个项目与另一个项目发生碰撞的概率为7％。通过正确的哈希函数，结合对领域的了解，这些数字可以轻松降至0。
换句话说，了解您的领域以及实践中发生的事情是制作高性能哈希的关键。库函数尝试尽可能做到不了解您的领域，并且为了性能通常依赖于在实践中不会出现的数据分布。
somePrime * getX() + getY()。虽然它并不完美，但质数的作用是尝试在不了解域的情况下“去相关化”数据。这也是实际的Point2D类的工作方式。 - Mark Peters
int hashCode = (int) id。 - GrodriguezLong.hashcode(long)不会在堆栈上创建新对象。 - Neuron(this.longValue()^(this.longValue()>>>32))能产生比仅保留该值的低32位更均匀分布的哈希码。 - GrodriguezInteger.MAX_VALUE或MIN_VALUE，这正是我所期望的强制转换实际上要做的事情。 - Neuron