我如何计算在一个MySQL查询两个散列之间的区别？

Question

我试图计算输入的散列和数据库存储的哈希值之间的汉明距离。这些都是感性的哈希值，所以它们之间的汉明距离对我很重要，告诉我多么相似的两个不同的图像（见http://en.wikipedia.org/wiki/Perceptual_hashing，http://jenssegers.com/61/perceptual-image-hashes，http://stackoverflow.com/questions/21037578/）。哈希值是16个十六进制字符长，看起来像这样：

乙1 d 0 X 44个A 4个Aboukboukhas 1 Aftsfoukheedad 4扇区1 阿751 0 19 0 P Sehoudaf

我的数据库看起来是这样的：

CREATE TABLE `hashes` (
  `id` int(11) NOT NULL,
  `hash` binary(8) NOT NULL
) ENGINE=InnoDB AUTO_INCREMENT=4 DEFAULT CHARSET=latin1;

INSERT INTO `hashes` (`id`, `hash`) VALUES
    (1, 0xb1d0c44a4eb5b5a9),
    (2, 0x1f69f25228ed4a31),
    (3, 0x751a0b19f0c2783f);

现在，我知道我可以查询，像这样的海明距离：

SELECT BIT_COUNT(0xb1d0c44a4eb5b5a9 ^ 0x751a0b19f0c2783f)

将输出38，符合市场预期。不过，我似乎无法对这种比较引用列名。如预期下无法正常工作。

SELECT BIT_COUNT(hash ^ 0x751a0b19f0c2783f) FROM hashes

有谁知道我可以在我的第一SELECT查询计算像汉明距离上面我的数据库使用的列？我试着使用hex()，unhex()，conv()和cast()方式不同场景万千。这是在MySQL。

更新我的查询在MySQL V8运行（感谢@LukStorms指出这点）以上时，会出现如预期的工作。您可以在下面用我的小提琴，并在左上角更改版本。我现在的问题是：我如何能确保在MySQL的所有版本的行为作品？

小提琴：https://www.db-fiddle.com/f/mpqsUpZ1sv2kmvRwJrK5xL/0

Answer 1

这个问题似乎与您所选择的数据类型是一个字符串类型。使用数字数据类型，在MySQL 5.7和8.0的工作原理：

CREATE TABLE `hashes` (
  `id` int(11) NOT NULL,
  `hash` bigint unsigned NOT NULL
) ENGINE=InnoDB AUTO_INCREMENT=4 DEFAULT CHARSET=latin1;

INSERT INTO `hashes` (`id`, `hash`) VALUES
    (1, 0xb1d0c44a4eb5b5a9),
    (2, 0x1f69f25228ed4a31),
    (3, 0x751a0b19f0c2783f);

SELECT id, HEX(hash), BIT_COUNT(hash ^ 0x751a0b19f0c2783f)
FROM hashes;

输出：

id  HEX(hash)           BIT_COUNT(hash ^ 0x751a0b19f0c2783f)
1   B1D0C44A4EB5B5A9    38
2   1F69F25228ED4A31    34
3   751A0B19F0C2783F    0

Demo on dbfiddle

MySQL的5.7和使用字符串型的8.0之间在治疗的差可以看出与此查询：

SELECT id, hash, HEX(hash), HEX(hash ^ 0x751a0b19f0c2783f)
FROM hashes;

MySQL的5.7：

id  hash                                                        HEX(hash)           HEX(hash ^ 0x751a0b19f0c2783f)
1   {"type":"Buffer","data":[177,208,196,74,78,181,181,169]}    B1D0C44A4EB5B5A9    751A0B19F0C2783F
2   {"type":"Buffer","data":[31,105,242,82,40,237,74,49]}       1F69F25228ED4A31    751A0B19F0C2783F
3   {"type":"Buffer","data":[117,26,11,25,240,194,120,63]}      751A0B19F0C2783F    751A0B19F0C2783F

MySQL的8.0

id  hash                                                        HEX(hash)           HEX(hash ^ 0x751a0b19f0c2783f)
1   {"type":"Buffer","data":[177,208,196,74,78,181,181,169]}    B1D0C44A4EB5B5A9    C4CACF53BE77CD96
2   {"type":"Buffer","data":[31,105,242,82,40,237,74,49]}       1F69F25228ED4A31    6A73F94BD82F320E
3   {"type":"Buffer","data":[117,26,11,25,240,194,120,63]}      751A0B19F0C2783F    0000000000000000

MySQL的8.0是正确地进行XOR，返回一个变量，而5.7的MySQL被返回值是异或，这表明它是在数值上下文处理BINARY字符串作为0。

Answer 2

这是不是一个数字，所以它不能用于数学计算：

`hash` binary(8) NOT NULL

使用BIGINT代替：

`hash` bigint unsigned NOT NULL

Answer 3

尝试这个：

SELECT id, HEX(hash), CAST(CONV(HEX(hash),16,10) AS UNSIGNED), BIT_COUNT(CAST(CONV(HEX(hash),16,10) AS UNSIGNED) ^ 0x751a0b19f0c2783f) FROM hashes;