mysql - 如何在数据库里优化 汉明距离 查询？

Question

项目里需要一个搜索相似图片的功能，百度了一些dhash的算法，生成了16个长度的hash值，在mysql里这样查询：

 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; 

经测试，15W条数据，搜索需要很长时间。第二次速度会快些，有啥办法可以优化？

Answer 1

謝邀。

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

大概搜了一下，有相同的問題。

1. 可以參考mysql 圖片漢明距離計算, 近40w的異或計算, 如何破

2. Hamming distance on binary strings in SQL

3. 你可以試試mysql的內存表 MySQL內存表的特性與使用介紹

Answer 2

不好意思，沒有「漢明距離」的相關經驗。

如果只是15W資料的話，可以把資料載入到記憶體裡快取起來，然後在程式裡運算，畢竟SQL並不擅長做這種事。

光從你的SQL來說，的確沒有太大的最佳化空間，能想到的就只有以下幾點：

• hash列用char代替varchar

• 捨棄ORDER BY hamming_distance ASC，改為由程式排序

建議把DDL語句和EXPLAIN結果也發上來一併分析，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，其實相當於全表掃描了。