mysql - 如何在數據庫里優化 漢明距離 查詢？

問題描述

項目里需要一個搜索相似圖片的功能，百度了一些dhash的算法，生成了16個長度的hash值，在mysql里這樣查詢：

SELECT pk, hash, BIT_COUNT( CONV(hash, 16, 10) ^ CONV(’4c8e3366c275650f’, 16, 10) ) as hamming_distance FROM image_hashes HAVING hamming_distance < 4 ORDER BY hamming_distance ASC;

經測試，15W條數據，搜索需要很長時間。第二次速度會快些，有啥辦法可以優化？

問題解答

謝邀。

抱歉地說，這個我也沒有做過，只是之前聽說過漢明距離。15w數據，不是很多，但是用了mysql的函數,沒辦法創建索引。。。

可以參考mysql 圖片漢明距離計算, 近40w的異或計算, 如何破

Hamming distance on binary strings in SQL

你可以試試mysql的內存表 MySQL內存表的特性與使用介紹

不好意思，沒有“漢明距離”的相關經驗。

如果只是15W數據的話，可以把數據加載到內存里緩存起來，然后在程序里運算，畢竟SQL并不擅長做這種事情。

僅從你的SQL來說，的確沒有太大的優化空間，能想到的就只有以下幾點：

hash列用char代替varchar

舍棄ORDER BY hamming_distance ASC，改為由程序排序

建議把DDL語句和EXPLAIN結果也發上來一并分析，不過最大的性能卡口應該是BIT_COUNT(CONV(hash, 16, 10) ^ CONV(’4c8e3366c275650f’, 16, 10)) as hamming_distance，其實相當于全表掃描了。