JSON_HASH
描述
JSON_HASH 函数用于计算一个 JSON 对象的哈希值。该函数接受一个 JSON 类型的参数，并返回一个 BIGINT 类型的哈希值。
在计算 JSON 对象的哈希值时，函数会对 JSON 对象的键进行排序后再计算哈希值，这样可以确保相同内容但键顺序不同的 JSON 对象会产生相同的哈希值。
语法
JSON_HASH(json_value)
别名
JSONB_HASH
参数
json_value - 需要计算哈希值的 JSON 值。必须是 JSON 类型。
返回值
返回一个 BIGINT 类型的哈希值。
当输入为 NULL 时，函数返回 NULL。
用途
由于 JSON 标准规定 JSON 对象的键值对是无序的，为了确保不同系统间传递 JSON 值时能够一致地识别相同内容的 JSON 对象，JSON_HASH 函数会在计算哈希值前对 JSON 对象的键值对进行排序，类似于调用 SORT_JSON_OBJECT_KEYS 函数。
此外，对于 JSON 对象中的重复键，尽管 Doris 允许这种情况存在，但计算哈希值时会只考虑第一个出现的键值对，与实际应用场景更加匹配。
示例
- 基本哈希值计算
SELECT json_hash(cast('123' as json));
+--------------------------------+
| json_hash(cast('123' as json)) |
+--------------------------------+
| 5279066513252500087 |
+--------------------------------+
- 验证别名函数
SELECT json_hash(cast('123' as json)), jsonb_hash(cast('123' as json));
+--------------------------------+---------------------------------+
| json_hash(cast('123' as json)) | jsonb_hash(cast('123' as json)) |
+--------------------------------+---------------------------------+
| 5279066513252500087 | 5279066513252500087 |
+--------------------------------+---------------------------------+
可以看到 json_hash 和 jsonb_hash 两个函数对相同输入产生相同的哈希值，它们是完全等价的别名函数。
- 键排序验证
SELECT
json_hash(cast('{"a":123, "b":456}' as json)),
json_hash(cast('{"b":456, "a":123}' as json));
+-----------------------------------------------+-----------------------------------------------+
| json_hash(cast('{"a":123, "b":456}' as json)) | json_hash(cast('{"b":456, "a":123}' as json)) |
+-----------------------------------------------+-----------------------------------------------+
| 82454694884268544 | 82454694884268544 |
+-----------------------------------------------+-----------------------------------------------+
json_hash 函数都会生成相同的哈希值。这是因为函数在计算哈希值前会先对键进行排序。
- 处理重复键
SELECT
json_hash(cast('{"a":123}' as json)),
json_hash(cast('{"a":456}' as json)),
json_hash(cast('{"a":123, "a":456}' as json));
+--------------------------------------+--------------------------------------+-----------------------------------------------+
| json_hash(cast('{"a":123}' as json)) | json_hash(cast('{"a":456}' as json)) | json_hash(cast('{"a":123, "a":456}' as json)) |
+--------------------------------------+--------------------------------------+-----------------------------------------------+
| -7416836614234106918 | -3126362109586887012 | -7416836614234106918 |
+--------------------------------------+--------------------------------------+-----------------------------------------------+
当 JSON 对象包含重复键时（{"a":123, "a":456}），json_hash 函数只考虑第一个出现的键值对进行哈希计算。可以看到含重复键的 JSON 对象的哈希值与只包含第一个键值对 {"a":123} 的哈希值相同。
- 不同数值类型的处理
SELECT
json_hash(to_json(cast('123' as int))),
json_hash(to_json(cast('123' as tinyint)));
+----------------------------------------+--------------------------------------------+
| json_hash(to_json(cast('123' as int))) | json_hash(to_json(cast('123' as tinyint))) |
+----------------------------------------+--------------------------------------------+
| 7882559133986259892 | 5279066513252500087 |
+----------------------------------------+--------------------------------------------+
相同的数值 123，当以不同类型（int 和 tinyint）存储在 JSON 中时，会产生不同的哈希值。这是因为 Doris 的 JSON 实现保留了数据类型信息，而哈希计算会考虑这些类型差异。
- 使用 normalize_json_numbers_to_double 统一数值类型
SELECT
json_hash(normalize_json_numbers_to_double(to_json(cast('123' as int)))),
json_hash(normalize_json_numbers_to_double(to_json(cast('123' as tinyint))));
+--------------------------------------------------------------------------+------------------------------------------------------------------------------+
| json_hash(normalize_json_numbers_to_double(to_json(cast('123' as int)))) | json_hash(normalize_json_numbers_to_double(to_json(cast('123' as tinyint)))) |
+--------------------------------------------------------------------------+------------------------------------------------------------------------------+
| 4028523408277343359 | 4028523408277343359 |
+--------------------------------------------------------------------------+------------------------------------------------------------------------------+
这个例子演示了如何解决上述问题：使用 normalize_json_numbers_to_double 函数先将所有数值转换为双精度浮点数类型，然后再计算哈希值。这样，不管原始数值是什么类型，转换后都会得到相同的哈希值，确保了一致性。
- 处理 NULL 值
SELECT json_hash(null);
+-----------------+
| json_hash(null) |
+-----------------+
| NULL |
+-----------------+
注意事项
-
JSON_HASH函数有一个别名JSONB_HASH，两者功能完全相同。 -
此函数在计算哈希值前会对 JSON 对象的键进行排序，类似于调用
SORT_JSON_OBJECT_KEYS函数。 -
对于 JSON 对象中的重复键，函数只会考虑第一个出现的键值对进行哈希值计算。
-
由于 Doris 的 JSON 中的数值可能以不同的存储类型（如 int、tinyint、bigint、float、double、decimal）存在，相同数值但不同类型可能会产生不同的哈希值。如果需要确保一致性，可以使用
NORMALIZE_JSON_NUMBERS_TO_DOUBLE函数将所有数值转换为统一类型后再计算哈希值。 -
当通过文本解析方式（如使用
CAST将字符串转为 JSON）创建 JSON 对象时，Doris 会自动选择合适的数值类型存储，通常情况下不需要担心数值类型不一致的问题。 -
需要注意的是，如果不是手动通过
cast/to_json的方式转换成 JSON 对象，而是使用文本转换（从字符串解析 JSON 对象），那么 Doris 只会把 "123" 存储为一个 tinyint 类型的 JSON 对象，不会出现 "123" 既存储为 int 类型，又存储为 tinyint 类型的情况。
