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

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。

1. 可以参考mysql 图片汉明距离计算, 近40w的异或计算, 如何破

2. Hamming distance on binary strings in SQL

3. 你可以试试mysql的内存表 MySQL内存表的特性与使用介绍

Answer 2

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。