Skip to content
ClickHouse Docs
ClickHouse DocsClickHouse Docs

哈希函数

哈希函数可用于以确定性的伪随机方式打乱元素顺序。

simhash 是一种哈希函数,对于接近 (相似) 的参数会返回接近的哈希值。

大多数哈希函数都接受任意数量、任意类型的参数。

BLAKE3

在 v22.10.0 中引入

计算 BLAKE3 哈希字符串,并以 FixedString 返回结果字节集。 该加密哈希函数通过 BLAKE3 Rust 库集成到 ClickHouse 中。 该函数速度很快,与 SHA-2 相比,性能大约快两倍,同时生成的哈希长度与 SHA-256 相同。 它将 BLAKE3 哈希作为类型为 FixedString(32) 的字节数组返回。

语法

BLAKE3(message)

参数

  • message — 要进行哈希运算的输入字符串。String

返回值

返回输入字符串的 32 字节 BLAKE3 哈希值,类型为定长字符串。FixedString(32)

示例

hash

SELECT hex(BLAKE3('ABC'))
┌─hex(BLAKE3('ABC'))───────────────────────────────────────────────┐
│ D1717274597CF0289694F75D96D444B992A096F1AFD8E7BBFA6EBB1D360FEDFC │
└──────────────────────────────────────────────────────────────────┘

MD4

引入版本:v21.11.0

计算给定字符串的 MD4 哈希。

语法

MD4(s)

参数

  • s — 要计算哈希的输入字符串。String

返回值

返回给定输入字符串的 MD4 哈希值,格式为定长字符串。FixedString(16)

示例

使用示例

SELECT HEX(MD4('abc'));
┌─HEX(MD4('abc'))──────────────────┐
│ A448017AAF21D8525FC10AE87AA6729D │
└──────────────────────────────────┘

MD5

引入版本:v1.1.0

计算给定字符串的 MD5 哈希值。

语法

MD5(s)

参数

  • s — 待计算哈希的输入字符串。String

返回值

以定长字符串形式返回给定输入字符串的 MD5 哈希值。FixedString(16)

示例

使用示例

SELECT HEX(MD5('abc'));
┌─HEX(MD5('abc'))──────────────────┐
│ 900150983CD24FB0D6963F7D28E17F72 │
└──────────────────────────────────┘

RIPEMD160

引入版本:v24.10.0

计算给定字符串的 RIPEMD-160 哈希。

语法

RIPEMD160(s)

参数

  • s — 要计算哈希的输入字符串。String

返回值

返回给定输入字符串的 RIPEMD160 哈希值,类型为定长字符串。FixedString(20)

示例

使用示例

SELECT HEX(RIPEMD160('The quick brown fox jumps over the lazy dog'));
┌─HEX(RIPEMD160('The quick brown fox jumps over the lazy dog'))─┐
│ 37F332F68DB77BD9D7EDD4969571AD671CF9DD3B                      │
└───────────────────────────────────────────────────────────────┘

SHA1

引入版本:v1.1.0

计算给定字符串的 SHA1 哈希值。

语法

SHA1(s)

参数

  • s — 要进行哈希计算的输入字符串 String

返回值

以定长字符串形式返回给定输入字符串的 SHA1 哈希值。FixedString(20)

示例

使用示例

SELECT HEX(SHA1('abc'));
┌─HEX(SHA1('abc'))─────────────────────────┐
│ A9993E364706816ABA3E25717850C26C9CD0D89D │
└──────────────────────────────────────────┘

SHA224

引入版本:v1.1.0

计算给定字符串的 SHA224 哈希值。

语法

SHA224(s)

参数

  • s — 要哈希的输入值。String

返回值

返回给定输入字符串的 SHA224 哈希值,类型为定长字符串。FixedString(28)

示例

使用示例

SELECT HEX(SHA224('abc'));
┌─HEX(SHA224('abc'))───────────────────────────────────────┐
│ 23097D223405D8228642A477BDA255B32AADBCE4BDA0B3F7E36C9DA7 │
└──────────────────────────────────────────────────────────┘

SHA256

引入版本:v1.1.0

计算给定字符串的 SHA256 哈希值。

语法

SHA256(s)

参数

  • s — 要计算哈希的输入字符串。String

返回值

返回给定输入字符串的 SHA256 哈希,类型为定长字符串。FixedString(32)

示例

使用示例

SELECT HEX(SHA256('abc'));
┌─HEX(SHA256('abc'))───────────────────────────────────────────────┐
│ BA7816BF8F01CFEA414140DE5DAE2223B00361A396177A9CB410FF61F20015AD │
└──────────────────────────────────────────────────────────────────┘

SHA384

引入版本:v1.1.0

计算给定字符串的 SHA384 哈希值。

语法

SHA384(s)

参数

  • s — 要进行哈希计算的输入字符串。String

返回值

返回给定输入字符串的 SHA384 哈希值,类型为定长字符串。FixedString(48)

示例

使用示例

SELECT HEX(SHA384('abc'));
┌─HEX(SHA384('abc'))───────────────────────────────────────────────────────────────────────────────┐
│ CB00753F45A35E8BB5A03D699AC65007272C32AB0EDED1631A8B605A43FF5BED8086072BA1E7CC2358BAECA134C825A7 │
└──────────────────────────────────────────────────────────────────────────────────────────────────┘

SHA512

引入版本:v1.1.0

计算给定字符串的 SHA512 哈希值。

语法

SHA512(s)

参数

  • s — 要哈希的输入字符串 String

返回值

返回给定输入字符串的 SHA512 哈希值,类型为定长字符串。FixedString(64)

示例

使用示例

SELECT HEX(SHA512('abc'));
┌─HEX(SHA512('abc'))───────────────────────────────────────────────────────────────────────────────────────────────────────────────┐
│ DDAF35A193617ABACC417349AE20413112E6FA4E89A97EA20A9EEEE64B55D39A2192992A274FC1A836BA3C23A3FEEBBD454D4423643CE80E2A9AC94FA54CA49F │
└──────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────┘

SHA512_256

引入版本:v1.1.0

计算给定字符串的 SHA512_256 哈希值。

语法

SHA512_256(s)

参数

  • s — 要计算哈希的输入字符串。String

返回值

返回给定输入字符串的 SHA512_256 哈希值,类型为定长字符串。FixedString(32)

示例

用法示例

SELECT HEX(SHA512_256('abc'));
┌─HEX(SHA512_256('abc'))───────────────────────────────────────────┐
│ 53048E2681941EF99B2E29B76B4C7DABE4C2D0C634FC6D46E0E2F13107E7AF23 │
└──────────────────────────────────────────────────────────────────┘

URLHash

引入版本:v1.1.0

一种快速、质量较好的非加密哈希函数,用于对经过某种规范化处理后从 URL 得到的字符串计算哈希值。

该哈希函数有两种模式:

Mode Description
URLHash(url) 基于字符串计算哈希值;如果末尾存在 /?#,则会先去掉其中之一。
URLHash(url, N) 基于 URL 层级中直到第 N 级的字符串计算哈希值;如果末尾存在 /?#,则会先去掉其中之一。级别与 URLHierarchy 中相同。

语法

URLHash(url[, N])

参数

  • url — 要计算哈希的 URL 字符串。String
  • N — 可选。URL 层级中的层级。(U)Int*

返回值

返回 url 的哈希计算结果。UInt64

示例

用法示例

SELECT URLHash('https://www.clickhouse.com')
┌─URLHash('https://www.clickhouse.com')─┐
│                  13614512636072854701 │
└───────────────────────────────────────┘

指定层级的 url 哈希值

SELECT URLHash('https://www.clickhouse.com/docs', 0);
SELECT URLHash('https://www.clickhouse.com/docs', 1);
13614512636072854701
13167253331440520598

cityHash64

引入版本:v1.1.0

生成一个 64 位 CityHash 哈希值。

这是一种快速的非加密哈希函数。 对于字符串参数,它使用 CityHash 算法;对于其他数据类型的参数,则使用特定于实现的快速非加密哈希函数。 该函数使用 CityHash 组合器来生成最终结果。

语法

cityHash64(arg1[, arg2, ...])

参数

  • arg1[, arg2, ...] — 用于计算哈希的可变数量输入参数。 Any

返回值

返回根据输入参数计算出的哈希值。(UInt64)

示例

调用示例

SELECT cityHash64(array('e','x','a'), 'mple', 10, toDateTime('2019-06-15 23:00:00')) AS CityHash, toTypeName(CityHash) AS type;
┌─────────────CityHash─┬─type───┐
│ 17177535963988450974 │ UInt64 │
└──────────────────────┴────────┘

计算整个表的校验和,精确到行的顺序

CREATE TABLE users (
    id UInt32,
    name String,
    age UInt8,
    city String
)
ENGINE = MergeTree
ORDER BY tuple();

INSERT INTO users VALUES
(1, 'Alice', 25, 'New York'),
(2, 'Bob', 30, 'London'),
(3, 'Charlie', 35, 'Tokyo');

SELECT groupBitXor(cityHash64(*)) FROM users;
┌─groupBitXor(cityHash64(id, name, age, city))─┐
│                         11639977218258521182 │
└──────────────────────────────────────────────┘

farmFingerprint64

引入版本:v20.12.0

使用 Fingerprint64 方法生成 64 位的 FarmHash 值。

语法

farmFingerprint64(arg1[, arg2, ...])

参数

  • arg1[, arg2, ...] — 用于计算哈希值的可变数量输入参数。Any

返回值

返回根据输入参数计算得出的哈希值。UInt64

示例

用法示例

SELECT farmFingerprint64(array('e','x','a'), 'mple', 10, toDateTime('2019-06-15 23:00:00')) AS FarmFingerprint, toTypeName(FarmFingerprint) AS type;
┌──────FarmFingerprint─┬─type───┐
│ 16673609057812504858 │ UInt64 │
└──────────────────────┴────────┘

farmHash64

引入版本:v1.1.0

使用 Hash64 方法生成 64 位 FarmHash 值。

语法

farmHash64(arg1[, arg2, ...])

参数

  • arg1[, arg2, ...] — 要计算哈希的输入参数,数量可变。Any

返回值

返回根据输入参数计算得到的哈希值。UInt64

示例

使用示例

SELECT farmHash64(array('e','x','a'), 'mple', 10, toDateTime('2019-06-15 23:00:00')) AS FarmHash, toTypeName(FarmHash) AS type;
┌────────────FarmHash─┬─type───┐
│ 2663412879246289891 │ UInt64 │
└─────────────────────┴────────┘

gccMurmurHash

引入版本:v20.1.0

使用与 GCC 相同的 seed,计算输入值的 64 位 MurmurHash2 哈希值。

它在 Clang 和 GCC 的构建之间具有可移植性。

语法

gccMurmurHash(arg1[, arg2, ...])

参数

  • arg1[, arg2, ...] — 要计算哈希的可变数量参数。Any

返回值

返回输入参数计算得到的哈希值。UInt64

示例

使用示例

SELECT
    gccMurmurHash(1, 2, 3) AS res1,
    gccMurmurHash(('a', [1, 2, 3], 4, (4, ['foo', 'bar'], 1, (1, 2)))) AS res2
┌─────────────────res1─┬────────────────res2─┐
│ 12384823029245979431 │ 1188926775431157506 │
└──────────────────────┴─────────────────────┘

halfMD5

引入版本:v1.1.0

将所有输入参数都解释为字符串,并分别计算其 MD5 哈希值。然后将这些哈希组合起来,取结果字符串哈希值的前 8 个字节,并按大端字节序将其解释为 UInt64。该函数相对较慢 (每个处理器核心每秒可处理 500 万个短字符串) 。

建议改用 sipHash64 函数。

该函数接受数量可变的输入参数。 参数可以是任意受支持的数据类型。 对于某些数据类型,即使参数类型不同,相同的值计算出的哈希值也可能相同 (例如不同大小的整数、包含相同数据的命名和未命名 Tuple,以及包含相同数据的 Map 和对应的 Array(Tuple(key, value)) 类型) 。

语法

halfMD5(arg1[, arg2, ..., argN])

参数

  • arg1[, arg2, ..., argN] — 用于计算哈希的数量可变的参数。Any

返回值

返回根据给定输入参数计算得出的一半 MD5 哈希值,结果以大端字节序的 UInt64 形式表示。UInt64

示例

使用示例

SELECT HEX(halfMD5('abc', 'cde', 'fgh'));
┌─HEX(halfMD5('abc', 'cde', 'fgh'))─┐
│ 2C9506B7374CFAF4                  │
└───────────────────────────────────┘

hiveHash

引入版本:v20.1.0

根据字符串计算 "HiveHash"。 它实际上就是将符号位清零后的 JavaHash。 在 3.0 之前的版本中,Apache Hive 使用此函数。

语法

hiveHash(arg)

参数

  • arg — 要计算哈希的输入字符串。String

返回值

返回输入字符串的“hive 哈希”计算结果。Int32

示例

使用示例

SELECT hiveHash('Hello, world!');
┌─hiveHash('Hello, world!')─┐
│                 267439093 │
└───────────────────────────┘

icebergHash

首次引入于:v25.5.0

实现了 Iceberg 哈希转换 的逻辑

语法

icebergHash(value)

参数

返回值

返回一个 32 位的 Murmur3 哈希值 (x86 变体) ,种子为 0,类型为 Int32

示例

示例

SELECT icebergHash(1.0 :: Float32)
-142385009

intHash32

引入版本:v1.1.0

计算整数的 32 位哈希值。

该哈希函数速度较快,但不是加密哈希函数。

语法

intHash32(arg)

参数

  • arg — 要计算哈希值的整数。(U)Int*

返回值

返回输入整数计算得到的 32 位哈希值 UInt32

示例

用法示例

SELECT intHash32(42);
┌─intHash32(42)─┐
│    1228623923 │
└───────────────┘

intHash64

引入版本:v1.1.0

计算整数的 64 位哈希值。

该哈希函数速度较快 (甚至比 intHash32 还快) ,但不是加密哈希函数。

语法

intHash64(int)

参数

  • int — 要计算哈希的整数。(U)Int*

返回值

64 位哈希值。UInt64

示例

使用示例

SELECT intHash64(42);
┌────────intHash64(42)─┐
│ 11490350930367293593 │
└──────────────────────┘

javaHash

引入版本:v20.1.0

根据以下类型的值计算 JavaHash:

语法

javaHash(arg)

参数

  • arg — 要进行哈希计算的输入值。Any

返回值

返回 arg 的计算哈希值 Int32

示例

使用示例 1

SELECT javaHash(toInt32(123));
┌─javaHash(toInt32(123))─┐
│                    123 │
└────────────────────────┘

使用示例 2

SELECT javaHash('Hello, world!');
┌─javaHash('Hello, world!')─┐
│               -1880044555 │
└───────────────────────────┘

javaHashUTF16LE

引入版本:v20.1.0

根据一个字符串计算 JavaHash,假定其中包含的是表示 UTF-16LE 编码字符串的字节。

语法

javaHashUTF16LE(arg)

参数

  • arg — 采用 UTF-16LE 编码的字符串。String

返回值

返回该 UTF-16LE 编码字符串的哈希值。Int32

示例

用法示例

SELECT javaHashUTF16LE(convertCharset('test', 'utf-8', 'utf-16le'));
┌─javaHashUTF16LE(convertCharset('test', 'utf-8', 'utf-16le'))─┐
│                                                      3556498 │
└──────────────────────────────────────────────────────────────┘

jumpConsistentHash

版本引入:v1.1.0

计算一个整数的 跳跃一致性哈希

语法

jumpConsistentHash(key, buckets)

参数

  • key — 输入键。UInt64
  • buckets — 桶的数量。Int32

返回值

返回计算出的哈希值。Int32

示例

使用示例

SELECT jumpConsistentHash(256, 4)
┌─jumpConsistentHash(256, 4)─┐
│                          3 │
└────────────────────────────┘

kafkaMurmurHash

引入版本:v23.4.0

使用与 Kafka 相同的种子值,计算输入值的 32 位 MurmurHash2 哈希,并去除最高位,以兼容 Default Partitioner

语法

kafkaMurmurHash(arg1[, arg2, ...])

参数

  • arg1[, arg2, ...] — 用于计算哈希的可变数量的参数。Any

返回值

返回根据输入参数计算得到的哈希值。UInt32

示例

使用示例

SELECT
    kafkaMurmurHash('foobar') AS res1,
    kafkaMurmurHash(array('e','x','a'), 'mple', 10, toDateTime('2019-06-15 23:00:00')) AS res2
┌───────res1─┬─────res2─┐
│ 1357151166 │ 85479775 │
└────────────┴──────────┘

keccak256

引入版本:v25.4.0

计算给定字符串的 Keccak-256 加密哈希值。 这种哈希函数广泛用于区块链应用,尤其是以太坊。

语法

keccak256(message)

参数

  • message — 要进行哈希计算的输入字符串。String

返回值

返回输入字符串的 32 字节 Keccak-256 哈希,类型为定长字符串。FixedString(32)

示例

使用示例

SELECT hex(keccak256('hello'))
┌─hex(keccak256('hello'))──────────────────────────────────────────┐
│ 1C8AFF950685C2ED4BC3174F3472287B56D9517B9C948127319A09A7A36DEAC8 │
└──────────────────────────────────────────────────────────────────┘

kostikConsistentHash

Introduced in:v22.6.0

这是 Konstantin 'Kostik' Oblakov 提出的一种时间和空间复杂度均为 O(1) 的一致性哈希算法。 仅在 n <= 32768 时才高效。

Syntax

kostikConsistentHash(input, n)

别名: yandexConsistentHash

参数

  • input — 一个整型键。UInt64
  • n — 桶的数量。UInt16

返回值

返回计算得到的哈希值。UInt16

示例

使用示例

SELECT kostikConsistentHash(16045690984833335023, 2);
┌─kostikConsistentHash(16045690984833335023, 2)─┐
│                                             1 │
└───────────────────────────────────────────────┘

metroHash64

引入版本:v1.1.0

生成一个 64 位的 MetroHash 哈希值。

语法

metroHash64(arg1[, arg2, ...])

参数

  • arg1[, arg2, ...] — 用于计算哈希的可变数量输入参数。Any

返回值

返回根据输入参数计算出的哈希值。UInt64

示例

使用示例

SELECT metroHash64(array('e','x','a'), 'mple', 10, toDateTime('2019-06-15 23:00:00')) AS MetroHash, toTypeName(MetroHash) AS type;
┌────────────MetroHash─┬─type───┐
│ 16292826582821303855 │ UInt64 │
└──────────────────────┴────────┘

murmurHash2_32

引入版本:v18.5.0

计算输入值的 MurmurHash2 哈希值。

语法

murmurHash2_32(arg1[, arg2, ...])

参数

  • arg1[, arg2, ...] — 用于计算哈希的可变数量的输入参数。Any

返回值

返回根据输入参数计算出的哈希值。UInt32

示例

使用示例

SELECT murmurHash2_32(array('e','x','a'), 'mple', 10, toDateTime('2019-06-15 23:00:00')) AS MurmurHash2, toTypeName(MurmurHash2) AS type;
┌─MurmurHash2─┬─type───┐
│  2947095100 │ UInt32 │
└─────────────┴────────┘

murmurHash2_64

引入版本:v18.10.0

计算输入值的 MurmurHash2 哈希值。

语法

murmurHash2_64(arg1[, arg2, ...])

参数

  • arg1[, arg2, ...] — 用于计算哈希的输入参数,数量可变。Any

返回值

返回输入参数计算得到的哈希值。UInt64

示例

使用示例

SELECT murmurHash2_64(array('e','x','a'), 'mple', 10, toDateTime('2019-06-15 23:00:00')) AS MurmurHash2, toTypeName(MurmurHash2) AS type;
┌──────────MurmurHash2─┬─type───┐
│ 16479669305841206229 │ UInt64 │
└──────────────────────┴────────┘

murmurHash3_128

引入版本:v18.10.0

计算输入值的 128 位 MurmurHash3 哈希值。

语法

murmurHash3_128(arg1[, arg2, ...])

参数

  • arg1[, arg2, ...] — 用于计算哈希的可变数量输入参数。Any

返回值

返回输入参数计算得出的 128 位 MurmurHash3 哈希值。FixedString(16)

示例

使用示例

SELECT hex(murmurHash3_128('foo', 'foo', 'foo'));
┌─hex(murmurHash3_128('foo', 'foo', 'foo'))─┐
│ F8F7AD9B6CD4CF117A71E277E2EC2931          │
└───────────────────────────────────────────┘

murmurHash3_32

引入版本:v18.10.0

生成 MurmurHash3 哈希值。

语法

murmurHash3_32(arg1[, arg2, ...])

参数

  • arg1[, arg2, ...] — 用于计算哈希的数量可变的输入参数。Any

返回值

返回根据输入参数计算得到的哈希值。UInt32

示例

使用示例

SELECT murmurHash3_32(array('e','x','a'), 'mple', 10, toDateTime('2019-06-15 23:00:00')) AS MurmurHash3, toTypeName(MurmurHash3) AS type;
┌─MurmurHash3─┬─type───┐
│   317985299 │ UInt32 │
└─────────────┴────────┘

murmurHash3_64

引入版本:v18.10.0

计算输入值的 MurmurHash3 哈希。

语法

murmurHash3_64(arg1[, arg2, ...])

参数

  • arg1[, arg2, ...] — 用于计算哈希的可变数量输入参数。Any

返回值

返回输入参数计算得到的哈希值。UInt64

示例

使用示例

SELECT murmurHash3_64(array('e','x','a'), 'mple', 10, toDateTime('2019-06-15 23:00:00')) AS MurmurHash3, toTypeName(MurmurHash3) AS type;
┌──────────MurmurHash3─┬─type───┐
│ 11285022984631508790 │ UInt64 │
└──────────────────────┴────────┘

ngramMinHash

引入版本:v21.1.0

将 ASCII 字符串拆分为由 ngramsize 个符号组成的 n-gram,计算每个 n-gram 的哈希值,并返回包含这些哈希值的 Tuple。 使用 hashnum 个最小哈希值计算最小哈希,使用 hashnum 个最大哈希值计算最大哈希。 该函数区分大小写。

可结合 tupleHammingDistance 用于检测半重复字符串。 对于两个字符串,如果返回的哈希值对两者都相同,则这两个字符串相同。

语法

ngramMinHash(string[, ngramsize, hashnum])

参数

  • string — 要计算哈希的字符串。String
  • ngramsize — 可选。n-gram 的大小,可为 125 之间的任意数值。默认值为 3UInt8
  • hashnum — 可选。用于计算结果的最小哈希和最大哈希的数量,可为 125 之间的任意数值。默认值为 6UInt8

返回值

返回一个包含两个哈希值 (最小值和最大值) 的 Tuple。Tuple

示例

用法示例

SELECT ngramMinHash('ClickHouse') AS Tuple;
┌─Tuple──────────────────────────────────────┐
│ (18333312859352735453,9054248444481805918) │
└────────────────────────────────────────────┘

ngramMinHashArg

引入版本:v21.1.0

将 ASCII 字符串拆分为由 ngramsize 个符号组成的 n-gram,并返回基于相同输入由 ngramMinHash 函数计算出的哈希值最小和最大的 n-gram。 该函数区分大小写。

语法

ngramMinHashArg(string[, ngramsize, hashnum])

参数

  • string — 要计算哈希的 String。String
  • ngramsize — 可选。n-gram 的长度,可为 125 之间的任意数值。默认值为 3UInt8
  • hashnum — 可选。用于计算结果的最小哈希和最大哈希的数量,可为 125 之间的任意数值。默认值为 6UInt8

返回值

返回一个 Tuple,其中包含两个 Tuple,每个 Tuple 各含 hashnum 个 n-gram。Tuple(String)

示例

使用示例

SELECT ngramMinHashArg('ClickHouse') AS Tuple;
┌─Tuple─────────────────────────────────────────────────────────────────────────┐
│ (('ous','ick','lic','Hou','kHo','use'),('Hou','lic','ick','ous','ckH','Cli')) │
└───────────────────────────────────────────────────────────────────────────────┘

ngramMinHashArgCaseInsensitive

引入于:v21.1.0

将 ASCII 字符串拆分为由 ngramsize 个符号组成的 n-grams,并返回在相同输入下由 ngramMinHashCaseInsensitive 函数计算得到的哈希值最小和最大的 n-grams。 该函数不区分大小写。

语法

ngramMinHashArgCaseInsensitive(string[, ngramsize, hashnum])

参数

  • string — 要计算哈希的字符串。String
  • ngramsize — 可选。n-gram 的大小,可为 125 之间的任意数值。默认值为 3UInt8
  • hashnum — 可选。用于计算结果的最小哈希和最大哈希的数量,可为 125 之间的任意数值。默认值为 6UInt8

返回值

返回一个由两个 Tuple 组成的 Tuple,每个 Tuple 包含 hashnum 个 n-gram。Tuple(Tuple(String))

示例

使用示例

SELECT ngramMinHashArgCaseInsensitive('ClickHouse') AS Tuple;
┌─Tuple─────────────────────────────────────────────────────────────────────────┐
│ (('ous','ick','lic','kHo','use','Cli'),('kHo','lic','ick','ous','ckH','Hou')) │
└───────────────────────────────────────────────────────────────────────────────┘

ngramMinHashArgCaseInsensitiveUTF8

引入于:v21.1.0

将 UTF-8 字符串按 ngramsize 个符号拆分为 n-grams,并返回使用相同输入由 ngramMinHashCaseInsensitiveUTF8 函数计算出的哈希值最小和最大的 n-grams。 该函数不区分大小写。

语法

ngramMinHashArgCaseInsensitiveUTF8(string[, ngramsize, hashnum])

参数

  • string — 要计算哈希的 String。String
  • ngramsize — 可选。n-gram 的长度,可为 125 之间的任意数值。默认值为 3UInt8
  • hashnum — 可选。用于计算结果的最小哈希和最大哈希的数量,可为 125 之间的任意数值。默认值为 6UInt8

返回值

返回一个 Tuple,其中包含两个 Tuple,每个 Tuple 各含有 hashnum 个 n-gram。Tuple(Tuple(String))

示例

用法示例

SELECT ngramMinHashArgCaseInsensitiveUTF8('ClickHouse') AS Tuple;
┌─Tuple─────────────────────────────────────────────────────────────────────────┐
│ (('ckH','ous','ick','lic','kHo','use'),('kHo','lic','ick','ous','ckH','Hou')) │
└───────────────────────────────────────────────────────────────────────────────┘

ngramMinHashArgUTF8

引入版本:v21.1.0

将一个 UTF-8 字符串拆分为由 ngramsize 个符号组成的 n-gram,并返回在相同输入下由 ngramMinHashUTF8 函数计算得到的哈希值最小和最大的 n-gram。 该函数区分大小写。

语法

ngramMinHashArgUTF8(string[, ngramsize, hashnum])

参数

  • string — 要计算哈希的字符串。String
  • ngramsize — 可选。n-gram 的大小,可为从 125 的任意值。默认值为 3UInt8
  • hashnum — 可选。用于计算结果的最小哈希和最大哈希的数量,可为从 125 的任意值。默认值为 6UInt8

返回值

返回一个元组,其中包含两个元组,每个元组各有 hashnum 个 n-gram。Tuple(Tuple(String))

示例

使用示例

SELECT ngramMinHashArgUTF8('ClickHouse') AS Tuple;
┌─Tuple─────────────────────────────────────────────────────────────────────────┐
│ (('ous','ick','lic','Hou','kHo','use'),('kHo','Hou','lic','ick','ous','ckH')) │
└───────────────────────────────────────────────────────────────────────────────┘

ngramMinHashCaseInsensitive

引入版本:v21.1.0

将 ASCII 字符串拆分为由 ngramsize 个符号组成的 n-gram,计算每个 n-gram 的哈希值,并返回包含这些哈希值的 Tuple。 使用 hashnum 个最小哈希值计算最小哈希,使用 hashnum 个最大哈希值计算最大哈希。 该函数不区分大小写。

可与 tupleHammingDistance 配合使用,以检测近似重复字符串。 对于两个字符串,如果两者返回的哈希值相同,则这两个字符串相同。

语法

ngramMinHashCaseInsensitive(string[, ngramsize, hashnum])

参数

  • string — String。String。- ngramsize — n-gram 的大小。可选。可能的值:125 之间的任意数值。默认值:3UInt8。- hashnum — 用于计算结果的最小哈希值和最大哈希值的数量。可选。可能的值:125 之间的任意数值。默认值:6UInt8

返回值

包含两个哈希值 (最小值和最大值) 的 Tuple。Tuple(UInt64, UInt64)。Tuple

示例

使用示例

SELECT ngramMinHashCaseInsensitive('ClickHouse') AS Tuple;
┌─Tuple──────────────────────────────────────┐
│ (2106263556442004574,13203602793651726206) │
└────────────────────────────────────────────┘

ngramMinHashCaseInsensitiveUTF8

引入版本:v21.1.0

将 UTF-8 字符串拆分为由 ngramsize 个符号组成的 n-gram,计算每个 n-gram 的哈希值,并返回一个包含这些哈希值的 Tuple。 使用 hashnum 个最小哈希值来计算最小哈希,使用 hashnum 个最大哈希值来计算最大哈希。 此函数不区分大小写。

可结合 tupleHammingDistance 用于检测半重复字符串。 对于两个字符串,如果两者返回的哈希值相同,则这两个字符串相同。

语法

ngramMinHashCaseInsensitiveUTF8(string [, ngramsize, hashnum])

参数

  • string — 用于计算哈希的 String。String
  • ngramsize — 可选。n-gram 的大小,可为 125 之间的任意数值。默认值为 3UInt8
  • hashnum — 可选。用于计算结果的最小和最大哈希值的数量,可为 125 之间的任意数值。默认值为 6UInt8

返回值

返回一个包含两个哈希值 (最小值和最大值) 的 Tuple。Tuple

示例

使用示例

SELECT ngramMinHashCaseInsensitiveUTF8('ClickHouse') AS Tuple;
┌─Tuple───────────────────────────────────────┐
│ (12493625717655877135,13203602793651726206) │
└─────────────────────────────────────────────┘

ngramMinHashUTF8

引入版本:v21.1.0

将 UTF-8 字符串按 ngramsize 个符号切分为 n-gram,计算每个 n-gram 的哈希值,并返回包含这些哈希值的 Tuple。 使用 hashnum 个最小哈希值计算最小哈希,使用 hashnum 个最大哈希值计算最大哈希。 该函数区分大小写。

可与 tupleHammingDistance 配合使用,以检测半重复字符串。 对于两个字符串,如果两者返回的哈希值相同,则这两个字符串相同。

语法

ngramMinHashUTF8(string[, ngramsize, hashnum])

参数

  • string — 要计算哈希的 String。String
  • ngramsize — 可选。n-gram 的大小,可为 125 的任意数值。默认值为 3UInt8
  • hashnum — 可选。用于计算结果的最小哈希和最大哈希的数量,可为 125 的任意数值。默认值为 6UInt8

返回值

返回一个包含两个哈希值 (最小值和最大值) 的 Tuple。Tuple

示例

使用示例

SELECT ngramMinHashUTF8('ClickHouse') AS Tuple;
┌─Tuple──────────────────────────────────────┐
│ (18333312859352735453,6742163577938632877) │
└────────────────────────────────────────────┘

ngramSimHash

引入版本:v21.1.0

将 ASCII 字符串拆分为由 ngramsize 个符号组成的 n-gram,并返回这些 n-gram 的 simhash

可结合 bitHammingDistance 用于检测近似重复字符串。 两个字符串计算得到的 simhashesHamming 距离 越小,这两个字符串越可能相同。

语法

ngramSimHash(string[, ngramsize])

参数

  • string — 用于计算区分大小写 simhash 的字符串。String
  • ngramsize — 可选。n-gram 的大小,可为 125 之间的任意数值。默认值为 3UInt8

返回值

返回输入字符串计算得到的哈希值。UInt64

示例

使用示例

SELECT ngramSimHash('ClickHouse') AS Hash;
┌───────Hash─┐
│ 1627567969 │
└────────────┘

ngramSimHashCaseInsensitive

引入版本:v21.1.0

将 ASCII 字符串拆分为由 ngramsize 个符号组成的 n-gram,并返回该 n-gram 的 simhash。 它不区分大小写。

可结合 bitHammingDistance 用于检测半重复字符串。 两个字符串计算得到的 simhashesHamming 距离 越小,这些字符串就越可能相同。

语法

ngramSimHashCaseInsensitive(string[, ngramsize])

参数

  • string — 用于计算不区分大小写的 simhash 的字符串。String
  • ngramsize — 可选。n-gram 的大小,可为 125 之间的任意数值。默认值为 3UInt8

返回值

哈希值。UInt64UInt64

示例

使用示例

SELECT ngramSimHashCaseInsensitive('ClickHouse') AS Hash;
┌──────Hash─┐
│ 562180645 │
└───────────┘

ngramSimHashCaseInsensitiveUTF8

引入版本:v21.1.0

将 UTF-8 字符串按 ngramsize 个符号切分为 n-gram,并返回这些 n-gram 的 simhash。 该函数不区分大小写。

可结合 bitHammingDistance 用于检测半重复字符串。两个字符串计算出的 simhashesHamming 距离 越小,这些字符串就越可能相同。

语法

ngramSimHashCaseInsensitiveUTF8(string[, ngramsize])

参数

  • string — 用于计算哈希的 String。String
  • ngramsize — 可选。n-gram 的大小,可以是从 125 的任意数值。默认值为 3UInt8

返回值

返回计算得到的哈希值。UInt64

示例

使用示例

SELECT ngramSimHashCaseInsensitiveUTF8('ClickHouse') AS Hash;
┌───────Hash─┐
│ 1636742693 │
└────────────┘

ngramSimHashUTF8

引入版本:v21.1.0

将一个 UTF-8 编码的字符串按 ngramsize 个符号切分为 n-grams,并返回这些 n-gram 的 simhash。 该函数区分大小写。

可结合 bitHammingDistance 用于检测近似重复字符串。 两个字符串计算得到的 simhashesHamming 距离 越小,这些字符串就越有可能相同。

语法

ngramSimHashUTF8(string[, ngramsize])

参数

  • string — 要计算其哈希值的字符串。String
  • ngramsize — 可选。n-gram 的大小,可以是从 125 的任意数值。默认值为 3UInt8

返回值

返回计算得到的哈希值。UInt64

示例

使用示例

SELECT ngramSimHashUTF8('ClickHouse') AS Hash;
┌───────Hash─┐
│ 1628157797 │
└────────────┘

sipHash128

引入版本:v1.1.0

sipHash64 类似,但会生成 128 位哈希值,即最终的异或折叠状态会一直处理到 128 位。

语法

sipHash128(arg1[, arg2, ...])

参数

  • arg1[, arg2, ...] — 用于计算哈希值的数量可变的输入参数。Any

返回值

返回一个 128 位的 SipHash 哈希值。FixedString(16)

示例

使用示例

SELECT hex(sipHash128('foo', '\x01', 3)) AS res;
┌─res──────────────────────────────┐
│ 9DE516A64A414D4B1B609415E4523F24 │
└──────────────────────────────────┘

sipHash128Keyed

引入版本:v23.2.0

sipHash128 相同,但会额外接受一个显式指定的密钥参数,而不是使用固定密钥。

语法

sipHash128Keyed((k0, k1), [arg1, arg2, ...])

参数

  • (k0, k1) — 由两个 UInt64 值组成、表示密钥的 Tuple。Tuple(UInt64, UInt64)
  • arg1[, arg2, ...] — 用于计算哈希的数量可变的输入参数。Any

返回值

类型为 FixedString(16) 的 128 位 SipHash 哈希值。FixedString(16)

示例

使用示例

SELECT hex(sipHash128Keyed((506097522914230528, 1084818905618843912), 'foo', '\x01', 3)) AS res;
┌─res──────────────────────────────┐
│ B8467F65C8B4CFD9A5F8BD733917D9BF │
└──────────────────────────────────┘

sipHash128Reference

引入版本:v23.2.0

sipHash128 类似,但实现了由 SipHash 原作者提出的 128 位算法。

语法

sipHash128Reference(arg1[, arg2, ...])

参数

  • arg1[, arg2, ...] — 用于计算哈希值的数量可变的输入参数。Any

返回值

返回根据输入参数计算出的 128 位 SipHash 哈希值。FixedString(16)

示例

使用示例

SELECT hex(sipHash128Reference('foo', '\x01', 3)) AS res;
┌─res──────────────────────────────┐
│ C3AA2F3C06A14DBE3742E9107AA9765D │
└──────────────────────────────────┘

sipHash128ReferenceKeyed

引入版本:v23.2.0

sipHash128Reference 相同,但会额外接受一个显式指定的密钥参数,而不是使用固定密钥。

语法

sipHash128ReferenceKeyed((k0, k1), arg1[, arg2, ...])

参数

  • (k0, k1) — 由两个值组成、表示密钥的 Tuple。Tuple(UInt64, UInt64)
  • arg1[, arg2, ...] — 用于计算哈希的可变数量输入参数。Any

返回值

返回根据输入参数计算得出的 128 位 SipHash 哈希值。FixedString(16)

示例

使用示例

SELECT hex(sipHash128ReferenceKeyed((506097522914230528, 1084818905618843912), 'foo', '\x01', 3)) AS res;
┌─res──────────────────────────────┐
│ 1D010CC83FB5460C25B556CE40992E61 │
└──────────────────────────────────┘

sipHash64

引入版本:v1.1.0

生成 64 位的 SipHash 哈希值。

这是一种加密哈希函数。它的运行速度至少比 MD5 哈希函数快 3 倍。

该函数会将所有输入参数都解释为字符串,并分别计算每个参数的哈希值。 然后,它会使用以下算法组合这些哈希值:

  1. 将第一个和第二个哈希值拼接为一个数组,并对其进行哈希计算。
  2. 将前一步计算出的哈希值与第三个输入参数的哈希值,按类似方式再次进行哈希计算。
  3. 对原始输入中其余所有哈希值重复这一计算过程。

语法

sipHash64(arg1[, arg2, ...])

参数

  • arg1[, arg2, ...] — 可变数量的输入参数。Any

返回值

返回根据输入参数计算出的哈希值。UInt64

示例

用法示例

SELECT sipHash64(array('e','x','a'), 'mple', 10, toDateTime('2019-06-15 23:00:00')) AS SipHash, toTypeName(SipHash) AS type;
┌──────────────SipHash─┬─type───┐
│ 11348918044846389429 │ UInt64 │
└──────────────────────┴────────┘

sipHash64Keyed

引入版本:v23.2.0

sipHash64 类似,但它额外接受一个显式指定的 密钥 参数,而不是使用固定密钥。

语法

sipHash64Keyed((k0, k1), arg1[,arg2, ...])

参数

  • (k0, k1) — 由两个值组成、用于表示密钥的 Tuple。Tuple(UInt64, UInt64)
  • arg1[,arg2, ...] — 数量可变的输入参数。Any

返回值

返回根据输入值计算得到的哈希值。UInt64

示例

用法示例

SELECT sipHash64Keyed((506097522914230528, 1084818905618843912), array('e','x','a'), 'mple', 10, toDateTime('2019-06-15 23:00:00')) AS SipHash, toTypeName(SipHash) AS type;
┌─────────────SipHash─┬─type───┐
│ 8194087499447867747 │ UInt64 │
└─────────────────────┴────────┘

wordShingleMinHash

引入版本:v21.1.0

将 ASCII 字符串拆分成由 shinglesize 个单词组成的多个部分 (分区片段) ,计算每个单词分区片段的哈希值,并返回包含这些哈希值的元组。 使用 hashnum 个最小哈希值来计算最小哈希,使用 hashnum 个最大哈希值来计算最大哈希。 该函数区分大小写。

可借助 tupleHammingDistance 检测近似重复字符串。 对于两个字符串,如果两者返回的哈希值相同,则这两个字符串相同。

语法

wordShingleMinHash(string[, shinglesize, hashnum])

参数

  • string — 要计算其哈希值的字符串。String
  • shinglesize — 可选。分区片段的大小,可为 125 之间的任意数值。默认值为 3UInt8
  • hashnum — 可选。用于计算结果的最小和最大哈希值数量,可为 125 之间的任意数值。默认值为 6UInt8

返回值

返回一个包含两个哈希值 (最小值和最大值) 的 Tuple。Tuple(UInt64, UInt64)

示例

使用示例

SELECT wordShingleMinHash('ClickHouse® is a column-oriented database management system (DBMS) for online analytical processing of queries (OLAP).') AS Tuple;
┌─Tuple──────────────────────────────────────┐
│ (16452112859864147620,5844417301642981317) │
└────────────────────────────────────────────┘

wordShingleMinHashArg

引入版本:v1.1.0

将一个 ASCII 字符串拆分为若干部分 (shingles) ,每个部分包含 shinglesize 个单词,并返回在相同输入下由 wordShingleMinHash 函数计算得到的单词哈希值最小和最大的 shingles。 它区分大小写。

语法

wordShingleMinHashArg(string[, shinglesize, hashnum])

参数

  • string — 要计算哈希的 String。String
  • shinglesize — 可选。分区片段的大小,取值范围为 125。默认值为 3UInt8
  • hashnum — 可选。用于计算结果的最小哈希和最大哈希的数量,取值范围为 125。默认值为 6UInt8

返回值

返回一个包含两个元组的元组,每个元组包含 hashnum 个分区片段。Tuple(Tuple(String))

示例

使用示例

SELECT wordShingleMinHashArg('ClickHouse® is a column-oriented database management system (DBMS) for online analytical processing of queries (OLAP).', 1, 3) AS Tuple;
┌─Tuple─────────────────────────────────────────────────────────────────┐
│ (('OLAP','database','analytical'),('online','oriented','processing')) │
└───────────────────────────────────────────────────────────────────────┘

wordShingleMinHashArgCaseInsensitive

引入版本:v21.1.0

将 ASCII 字符串按每 shinglesize 个单词切分为若干部分 (shingles) ,并返回在相同输入下由 wordShingleMinHashCaseInsensitive 函数计算出的单词哈希值最小和最大的 shingles。 该函数不区分大小写。

语法

wordShingleMinHashArgCaseInsensitive(string[, shinglesize, hashnum])

参数

  • string — 要计算哈希的字符串。 String
  • shinglesize — 可选。分区片段的大小,取值范围为 125。默认值为 3UInt8
  • hashnum — 可选。用于计算结果的最小和最大哈希的数量,取值范围为 125。默认值为 6UInt8

返回值

返回一个 Tuple,其中包含两个 Tuple,每个 Tuple 包含 hashnum 个分区片段。 Tuple(Tuple(String))

示例

使用示例

SELECT wordShingleMinHashArgCaseInsensitive('ClickHouse® is a column-oriented database management system (DBMS) for online analytical processing of queries (OLAP).', 1, 3) AS Tuple;
┌─Tuple──────────────────────────────────────────────────────────────────┐
│ (('queries','database','analytical'),('oriented','processing','DBMS')) │
└────────────────────────────────────────────────────────────────────────┘

wordShingleMinHashArgCaseInsensitiveUTF8

引入于:v21.1.0

将 UTF-8 字符串按每 shinglesize 个单词切分为若干部分 (shingles) ,并返回在相同输入下由 wordShingleMinHashCaseInsensitiveUTF8 函数计算出的单词哈希值最小和最大的 shingles。 它不区分大小写。

语法

wordShingleMinHashArgCaseInsensitiveUTF8(string[, shinglesize, hashnum])

参数

  • string — 要计算哈希的 String。String
  • shinglesize — 可选。单个分区片段的大小,可为 125 之间的任意数值。默认值为 3UInt8
  • hashnum — 可选。用于计算结果的最小哈希值和最大哈希值的数量,可为 125 之间的任意数值。默认值为 6UInt8

返回值

返回一个包含两个 Tuple 的 Tuple,每个 Tuple 都包含 hashnum 个分区片段。Tuple(Tuple(String))

示例

使用示例

SELECT wordShingleMinHashArgCaseInsensitiveUTF8('ClickHouse® is a column-oriented database management system (DBMS) for online analytical processing of queries (OLAP).', 1, 3) AS Tuple;
┌─Tuple──────────────────────────────────────────────────────────────────┐
│ (('queries','database','analytical'),('oriented','processing','DBMS')) │
└────────────────────────────────────────────────────────────────────────┘

wordShingleMinHashArgUTF8

引入版本:v21.1.0

将一个 UTF-8 字符串按每 shinglesize 个单词切分为若干部分 (shingles) ,并返回在相同输入下由 wordShingleMinHashUTF8 函数计算出的单词哈希值最小和最大的 shingles。 它区分大小写。

语法

wordShingleMinHashArgUTF8(string[, shinglesize, hashnum])

参数

  • string — 要计算哈希的 String。String
  • shinglesize — 可选。分区片段的大小,可为 125 之间的任意数值。默认值为 3UInt8
  • hashnum — 可选。用于计算结果的最小哈希和最大哈希的数量,可为 125 之间的任意数值。默认值为 6UInt8

返回值

返回一个 Tuple,其中包含两个 Tuple,每个 Tuple 包含 hashnum 个分区片段。Tuple(Tuple(String))

示例

使用示例

SELECT wordShingleMinHashArgUTF8('ClickHouse® is a column-oriented database management system (DBMS) for online analytical processing of queries (OLAP).', 1, 3) AS Tuple;
┌─Tuple─────────────────────────────────────────────────────────────────┐
│ (('OLAP','database','analytical'),('online','oriented','processing')) │
└───────────────────────────────────────────────────────────────────────┘

wordShingleMinHashCaseInsensitive

引入版本:v21.1.0

将 ASCII 字符串按每 shinglesize 个单词一组拆分为多个分区片段,计算每个分区片段的哈希值,并返回一个包含这些哈希值的元组。 使用 hashnum 个最小哈希值计算最小哈希,使用 hashnum 个最大哈希值计算最大哈希。 它不区分大小写。

可用于通过 tupleHammingDistance 检测近似重复字符串。 对于两个字符串,如果两者返回的哈希值相同,则这两个字符串相同。

语法

wordShingleMinHashCaseInsensitive(string[, shinglesize, hashnum])

参数

  • string — 用于计算哈希的字符串。String
  • shinglesize — 可选。分区片段的大小,取值范围为 125。默认值为 3UInt8
  • hashnum — 可选。用于计算结果的最小和最大哈希数量,取值范围为 125。默认值为 6UInt8

返回值

返回一个包含两个哈希值的 Tuple,即最小哈希和最大哈希。Tuple(UInt64, UInt64)

示例

用法示例

SELECT wordShingleMinHashCaseInsensitive('ClickHouse® is a column-oriented database management system (DBMS) for online analytical processing of queries (OLAP).') AS Tuple;
┌─Tuple─────────────────────────────────────┐
│ (3065874883688416519,1634050779997673240) │
└───────────────────────────────────────────┘

wordShingleMinHashCaseInsensitiveUTF8

引入版本:v21.1.0

将一个 UTF-8 字符串拆分为由 shinglesize 个单词组成的分区片段 (shingles) ,计算每个分区片段的哈希值,并返回一个包含这些哈希的 Tuple。 使用 hashnum 个最小哈希值计算最小哈希,使用 hashnum 个最大哈希值计算最大哈希。 该函数不区分大小写。

可结合 tupleHammingDistance 用于检测半重复字符串。 对于两个字符串,如果两者返回的哈希相同,则这两个字符串相同。

语法

wordShingleMinHashCaseInsensitiveUTF8(string[, shinglesize, hashnum])

参数

  • string — 用于计算哈希的字符串。String
  • shinglesize — 可选。分区片段的大小,取值范围为 125。默认值为 3UInt8
  • hashnum — 可选。用于计算结果的最小和最大哈希值个数,取值范围为 125。默认值为 6UInt8

返回值

返回一个包含两个哈希的 Tuple——最小哈希和最大哈希。Tuple(UInt64, UInt64)

示例

使用示例

SELECT wordShingleMinHashCaseInsensitiveUTF8('ClickHouse® is a column-oriented database management system (DBMS) for online analytical processing of queries (OLAP).') AS Tuple;
┌─Tuple─────────────────────────────────────┐
│ (3065874883688416519,1634050779997673240) │
└───────────────────────────────────────────┘

wordShingleMinHashUTF8

引入版本:v21.1.0

将 UTF-8 字符串拆分为由 shinglesize 个单词组成的片段 (分区片段) ,计算每个分区片段的哈希值,并返回包含这些哈希值的元组。 使用 hashnum 个最小哈希值来计算最小哈希,使用 hashnum 个最大哈希值来计算最大哈希。 该函数区分大小写。

可结合 tupleHammingDistance 使用,以检测近似重复字符串。 对于两个字符串,如果返回的哈希值在两者中都相同,则这两个字符串相同。

语法

wordShingleMinHashUTF8(string[, shinglesize, hashnum])

参数

  • string — 要计算其哈希值的字符串。String
  • shinglesize — 可选。词分区片段的大小,可为 125 之间的任意数值。默认值为 3UInt8
  • hashnum — 可选。用于计算结果的最小哈希和最大哈希的数量,可为 125 之间的任意数值。默认值为 6UInt8

返回值

返回一个包含两个哈希值的元组——最小哈希和最大哈希。Tuple(UInt64, UInt64)

示例

使用示例

SELECT wordShingleMinHashUTF8('ClickHouse® is a column-oriented database management system (DBMS) for online analytical processing of queries (OLAP).') AS Tuple;
┌─Tuple──────────────────────────────────────┐
│ (16452112859864147620,5844417301642981317) │
└────────────────────────────────────────────┘

wordShingleSimHash

引入版本:v21.1.0

将 ASCII 字符串拆分为由 shinglesize 个单词组成的分区片段 (shingles) ,并返回这些分区片段的 simhash。 该函数区分大小写。

可结合 bitHammingDistance 用于检测近似重复字符串。 两个字符串计算得到的 simhashesHamming 距离 越小,这些字符串就越可能相同。

语法

wordShingleSimHash(string[, shinglesize])

参数

  • string — 用于计算哈希的 String。String
  • shinglesize — 可选。词分区片段的大小,可为 125 之间的任意数值。默认值为 3UInt8

返回值

返回计算得到的哈希值。UInt64

示例

用法示例

SELECT wordShingleSimHash('ClickHouse® is a column-oriented database management system (DBMS) for online analytical processing of queries (OLAP).') AS Hash;
┌───────Hash─┐
│ 2328277067 │
└────────────┘

wordShingleSimHashCaseInsensitive

引入版本:v21.1.0

将 ASCII 字符串按 shinglesize 个单词拆分为若干部分 (shingles) ,并返回这些词分区片段的 simhash。 它不区分大小写。

可与 bitHammingDistance 结合使用,以检测近似重复字符串。 两个字符串计算得到的 simhashHamming 距离 越小,这些字符串相同的可能性就越大。

语法

wordShingleSimHashCaseInsensitive(string[, shinglesize])

参数

  • string — 用于计算哈希的 String。 String
  • shinglesize — 可选。词分区片段的大小,可为 125 之间的任意数值。默认值为 3UInt8

返回值

返回计算得到的哈希值。 UInt64

示例

使用示例

SELECT wordShingleSimHashCaseInsensitive('ClickHouse® is a column-oriented database management system (DBMS) for online analytical processing of queries (OLAP).') AS Hash;
┌───────Hash─┐
│ 2194812424 │
└────────────┘

wordShingleSimHashCaseInsensitiveUTF8

引入版本:v1.1.0

将 UTF-8 编码的字符串拆分为由 shinglesize 个单词组成的多个片段 (shingles) ,并返回这些词分区片段的 simhash。 此函数不区分大小写。

可与 bitHammingDistance 配合使用,以检测近似重复字符串。 两个字符串计算得到的 simhashesHamming 距离 越小,它们越有可能相同。

语法

wordShingleSimHashCaseInsensitiveUTF8(string[, shinglesize])

参数

  • string — 要计算其哈希值的 String。String
  • shinglesize — 可选。分区片段的长度,可为 125 之间的任意数值。默认值为 3UInt8

返回值

返回计算得到的哈希值。UInt64

示例

使用示例

SELECT wordShingleSimHashCaseInsensitiveUTF8('ClickHouse® is a column-oriented database management system (DBMS) for online analytical processing of queries (OLAP).') AS Hash;
┌───────Hash─┐
│ 2194812424 │
└────────────┘

wordShingleSimHashUTF8

引入版本:v21.1.0

将 UTF-8 字符串按每 shinglesize 个单词拆分为若干部分 (shingles) ,并返回单词分区片段的 simhash。 它区分大小写。

可与 bitHammingDistance 结合使用,以检测近似重复字符串。 两个字符串计算得到的 simhashesHamming 距离 越小,这两个字符串越可能相同。

语法

wordShingleSimHashUTF8(string[, shinglesize])

参数

  • string — 要计算哈希值的字符串。String
  • shinglesize — 可选。分区片段的大小,可为 125 之间的任意数值。默认值为 3UInt8

返回值

返回计算得到的哈希值。UInt64

示例

用法示例

SELECT wordShingleSimHashUTF8('ClickHouse® is a column-oriented database management system (DBMS) for online analytical processing of queries (OLAP).') AS Hash;
┌───────Hash─┐
│ 2328277067 │
└────────────┘

wyHash64

引入版本:v22.7.0

计算 wyHash64 的 64 位哈希值。

语法

wyHash64(arg)

参数

  • arg — 要计算哈希的 String 参数。String

返回值

返回计算得到的 64 位哈希值 UInt64

示例

使用示例

SELECT wyHash64('ClickHouse') AS Hash;
12336419557878201794

xxHash32

引入版本:v20.1.0

计算字符串的 xxHash 哈希值。

64 位版本参见 xxHash64

语法

xxHash32(arg)

参数

  • arg — 要计算哈希值的输入字符串。String

返回值

返回输入字符串的 32 位哈希值。UInt32

示例

用法示例

SELECT xxHash32('Hello, world!');
┌─xxHash32('Hello, world!')─┐
│                 834093149 │
└───────────────────────────┘

xxHash64

引入版本:v20.1.0

计算字符串的 xxHash 哈希值。

32 位版本请参见 xxHash32

语法

xxHash64(arg)

参数

  • arg — 要计算哈希值的输入字符串。String

返回值

返回输入字符串的 64 位哈希值。UInt64

示例

使用示例

SELECT xxHash64('Hello, world!');
┌─xxHash64('Hello, world!')─┐
│      17691043854468224118 │
└───────────────────────────┘

xxHash64Spark

引入版本:v26.7.0

使用与 Spark 相同的 seed 对字符串计算 xxHash

该函数与 xxHash64 相同,但使用 seed 42,并以 Int64 返回结果。 仅支持 StringNULL 类型的输入。 对于 NULL,该函数返回 42,与 Spark 的 seed 行为保持一致。

语法

xxHash64Spark(arg)

参数

  • arg — 要进行哈希计算的输入字符串。String

返回值

返回输入字符串经计算得到的 64 位哈希值。Int64

示例

用法示例

SELECT xxHash64Spark('ABC');
┌─xxHash64Spark('ABC')─┐
│  4105715581806190027 │
└──────────────────────┘

xxh3

引入版本:v22.12.0

计算 XXH3 的 64 位哈希值。

语法

xxh3(expr)

参数

  • expr — 任意数据类型的表达式列表。Any

返回值

返回计算出的 64 位 xxh3 哈希值 UInt64

示例

使用示例

SELECT xxh3('ClickHouse')
18009318874338624809

xxh3_128

引入版本:v26.2.0

计算 XXH3 的 128 位哈希值。

语法

xxh3_128(expr)

参数

  • expr — 任意数据类型的表达式列表。Any

返回值

返回计算出的 128 位 xxh3 哈希值 UInt128

示例

使用示例

SELECT hex(xxh3_128('ClickHouse'))
14C27B7BEF95D36FECF5520CA2DAF030
Navigation