MySql crc32&&crc64函数提高字符串查询效率

Posted 2021-02-28 Mr_Echo

一、概念：CRC全称为Cyclic Redundancy Check，又叫循环冗余校验。CRC32是CRC算法的一种，常用于校验网络上传输的文件。

二：MySQL里如何利用CRC32来加快查询？？？

CRC32的基本特征：

#1.CRC32函数返回值的范围是0-4294967296（2的32次方减1)

#2.相比MD5，CRC32函数很容易碰撞

CRC32的使用场景：

由上述两个基本特性可知，mysql CRC32 生成整型结果使用用bigint存储，而MD5需要varchar来存储。但是CRC32很容易碰撞，这适合做索引么？

场景：我们在做一个爬虫，对于一个URL，先去数据库里查询是否存在，如果不存在，插入到数据库中。大家都知道这种类型应用表会增长非常迅速，如果简单的

SELECT * FROM urls WHERE url = ‘http://wwww.shopperplus.com‘;

会每次全表扫描，效率非常低。如果在url列上面加索引会快一些，但由于url是varchar类型，字段本身的存储空间和索引占用的存储空间都比较大。

SELECT * FROM urls WHERE crc_url = 907060870 AND url = ‘hello‘;

这样一来，大部分查询还是只需要扫描一行就获得结果。对于少部分碰撞的记录，只需要多扫描几行也可以正确获得结果。 url的场景从varchar到bigint的优化其实效果不是特别明显。另一个例子是文本，假如我们有一个text类型的字段（文章内容、评论、微博之类），每次插入之前要判断一下这个内容是否在数据库里存在了。如果使用crc32的技巧，改善的空间还是蛮大的。

三、crc32 缺点容易发生碰撞，有没有更好的方案? 答案是肯定的 -> crc64

 crc64() 这个函数补充了MySQL的crc32()函数，其结果是在大量值上分布不均匀。crc64()算法依赖于MD5作为底层机制。