BITMAP_HASH

描述

对任意类型的输入，计算其 32 位的哈希值，并返回包含该哈希值的 Bitmap。

语法

bitmap_hash(<expr>)

参数

参数	描述
<expr>	任何值或字段表达式

返回值

包含参数 <expr> 的 64 位 hash 值的 Bitmap。

::: note

该函数使用的哈希算法为 MurMur3。
MurMur3 算法是一种高性能的、低碰撞率的散列算法，其计算出来的值接近于随机分布，并且能通过卡方分布测试。需要注意的是，不同硬件平台、不同 Seed 值计算出来的散列值可能不同。
关于此算法的性能可以参考 Smhasher 排行榜。

:::

举例

如果你想计算某个值的 MurMur3，你可以：

select bitmap_to_array(bitmap_hash('hello'))[1];

结果如下：

+-------------------------------------------------------------+
| %element_extract%(bitmap_to_array(bitmap_hash('hello')), 1) |
+-------------------------------------------------------------+
|                                                  1321743225 |
+-------------------------------------------------------------+

如果你想统计某一列去重后的个数，可以使用位图的方式，某些场景下性能比 count distinct 好很多：

select bitmap_count(bitmap_union(bitmap_hash(`word`))) from `words`;

结果如下：

+-------------------------------------------------+
| bitmap_count(bitmap_union(bitmap_hash(`word`))) |
+-------------------------------------------------+
|                                        33263478 |
+-------------------------------------------------+