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?
谢邀。
抱歉地说,这个我也没有做过,只是之前听说过汉明距离。15w数据,不是很多,但是用了
mysql
的函数,没办法创建索引。。。大概搜了一下,有相同的问题。
可以参考mysql 图片汉明距离计算, 近40w的异或计算, 如何破
Hamming distance on binary strings in SQL
你可以试试mysql的内存表 MySQL内存表的特性与使用介绍
不好意思,没有“汉明距离”的相关经验。
如果只是15W数据的话,可以把数据加载到内存里缓存起来,然后在程序里运算,毕竟SQL并不擅长做这种事情。
仅从你的SQL来说,的确没有太大的优化空间,能想到的就只有以下几点:
hash
列用char
代替varchar
舍弃
ORDER BY hamming_distance ASC
,改为由程序排序建议把DDL语句和EXPLAIN结果也发上来一并分析,不过最大的性能卡口应该是
BIT_COUNT(CONV(hash, 16, 10) ^ CONV('4c8e3366c275650f', 16, 10)) as hamming_distance
,其实相当于全表扫描了。