计算汉明距离的索引访问

Posted 2023-03-29

【中文标题】计算汉明距离的索引访问

【英文标题】：Index Access for Calculating Hamming Distance

【发布时间】：2016-10-31 01:36:23

【问题描述】：

我有一个在数据库列中填充了字符串的表。我正在使用绑定变量计算列的汉明距离，然后使用单独的语句输出所有字符串值，例如，汉明距离小于或等于 3。

由于绑定了字符串值，我无法在所需结果上使用虚拟列，因为据我所知，这需要函数具有静态参数。另外，我不能使用基于函数的索引，因为我的输出是派生列。

是否有其他解决方案可以在不执行全表扫描的情况下优化查询？目前扫描需要 5-7 秒，我想将其减少到 300 毫秒。谢谢。

这里是一些源代码：

CREATE OR REPLACE FUNCTION HAMMING_DIS(string1 IN varchar2, string2 IN varchar2)
RETURN number IS
distance number := 0;
BEGIN
   FOR counter IN 1..length(string1) LOOP
      IF substr(string1, counter, 1) = substr(string2, counter, 1) THEN
        distance:= distance + 1;
      END IF;
   END LOOP;
RETURN distance;
END;

SELECT * FROM
(SELECT FULL_NM AS FULL_NAME, HAMMING_DIS(FIRST_NM,'&A') AS HAMMING_DISTANCE 
 FROM STRINGS_OF_NAMES
 )
WHERE HAMMING_DISTANCE > 3;

【问题讨论】：

你到底在比较什么？带有变量的列？一列与该列的所有其他实例？另外，你能给我们一些关于价值观的信息吗？它们总是具有相同的长度吗？如果不是，那么我假设函数或查询需要抛出不同长度的值。 “小于等于3”是静态的，还是要比较不同的值？

您是否使用 PL/SQL 函数来计算汉明距离？如果是，请显示此功能的源代码。可能是您主要受 SQL-PL/SQL 上下文切换的影响。

【参考方案1】：

感谢您的澄清...我将删除我的其他答案。

如果……这些都是大如果……

A) 您总是希望找到汉明距离 B) 您的表静态足以允许使用BITMAP 索引，

那么您也许可以利用这样一个事实，即您的查询的任何答案都必须在前 4 个字符中至少有 2 个匹配项。

所以，

CREATE TABLE matt1 ( id number, str varchar(30) );

INSERT INTO matt1 SELECT rownum, dbms_random.string('U', dbms_random.value(1,30)) from dual connect by rownum <= 10000;

CREATE BITMAP INDEX i1 ON matt1 ( substr(rpad(str,4,' '),1,1) );
CREATE BITMAP INDEX i2 ON matt1 ( substr(rpad(str,4,' '),2,1) );
CREATE BITMAP INDEX i3 ON matt1 ( substr(rpad(str,4,' '),3,1) );
CREATE BITMAP INDEX i4 ON matt1 ( substr(rpad(str,4,' '),4,1) );


SELECT m.*, hamming_dis(str,:input) FROM matt1 m WHERE 
(
(substr(rpad(str,4,' '),1,1) = substr(rpad(:input,4,' '),1,1) AND 
substr(rpad(str,4,' '),2,1) = substr(rpad(:input,4,' '),2,1))
OR
(substr(rpad(str,4,' '),1,1) = substr(rpad(:input,4,' '),1,1) AND 
substr(rpad(str,4,' '),3,1) = substr(rpad(:input,4,' '),3,1))
OR
(substr(rpad(str,4,' '),1,1) = substr(rpad(:input,4,' '),1,1) AND 
substr(rpad(str,4,' '),4,1) = substr(rpad(:input,4,' '),4,1))
OR
(substr(rpad(str,4,' '),2,1) = substr(rpad(:input,4,' '),2,1) AND 
substr(rpad(str,4,' '),3,1) = substr(rpad(:input,4,' '),3,1))
OR
(substr(rpad(str,4,' '),2,1) = substr(rpad(:input,4,' '),2,1) AND 
substr(rpad(str,4,' '),4,1) = substr(rpad(:input,4,' '),4,1))
OR
(substr(rpad(str,4,' '),3,1) = substr(rpad(:input,4,' '),3,1) AND 
substr(rpad(str,4,' '),4,1) = substr(rpad(:input,4,' '),4,1))
)
AND hamming_dis(str,:input) <= 3;

您应该会看到一个包含大量 BITMAP OR 和 BITMAP AND 操作的执行计划。

这可能会更快，因为您将限制实际需要计算准确汉明距离的行数。

注意：我看到你想要