我有一个 15 整数列，表中有 5,000,000 行。给定一个包含 15 个整数的输入记录，我需要将输入记录与 5,000,000 条记录表进行比较并获得所有匹配的行。
注意1：一行中的所有整数都是唯一的
注意2：匹配的列顺序和输入记录并不重要。
例如：1、10、15、23、9、22、99、11、19、32、45、21、76、12、33 和 33、10、15、99、11、19、32、45、21 , 23, 9, 22, 76, 12, 1 应该产生匹配结果
是否可以实现散列函数/按位运算来为每一行生成唯一索引。如果记录中的值相同，该函数可以为 2 行返回相同的索引
【问题讨论】：
标签： database algorithm search hash
这并不多，但应该可以帮助您入门。
您可能想要一个产生尽可能少的冲突的哈希函数；但它也必须是可交换的（即：将数字添加到散列的顺序无关紧要）。您可以通过使用 XOR 和位移的组合来实现这一点（参见 page）。
您可能希望将哈希存储在另一列中。然后你可以散列你正在寻找的输入并在你的数据库中查找散列。请注意，哈希允许误报，因此您仍然需要检查候选行是否真的是您想要的（即：对所有内容进行排序并进行比较）。
【讨论】：
正确地完成工作，对每一行中的整数进行排序，并对表中的行进行排序。在表格使用的整个生命周期中，排序的成本将低于您倾向于的所有散列和反散列。当你在做的时候，在表中建立一个索引，可能从每行的前 2 或 3 个整数开始。
【讨论】：
对于快速查询，您可以预处理表。我将创建一个 HashMap，其中 15 个值的排序数组是键，列索引列表将结果排序到同一个数组中是值。例如，一个条目可能如下所示：
[1,9,10,11,12,15,19,21,22,23,32,33,45,76,99] => [12, 33]
所以这 15 个值在第 12 列和第 33 列中。
对于键，你必须创建一个自定义的 hash 和 equals 函数。
hash *= 120941 + x。参见例如here 获得更好的哈希函数。【讨论】：
正如“高性能标记”所建议的那样（我这边 +1）——确实，这是正确的方法。您应该保持行排序（以便 15 个整数按排序顺序排列在列中）。这样，在比较两行时，您可以轻松找到它们是否相同（从任何一端开始，一直持续到发现不匹配 - 如果所有 15 个数字都匹配，则它是匹配的）。
如果您只需要一个哈希函数进行索引，那么同样的想法也可以帮助您： 将 15 个数字连续排序，并创建一个等于：
i=1 到 15 的总和 (a_i * k^i) // k 是一个正整数 - 见下文
这为您提供了一个相当不错的索引。如果你可以保持 k 非常大，这可以证明是无冲突的，但索引值的大小会增加。即使 k 为 2，假设整数范围为 2^16，对于 500 万行和 15 列，它在很大程度上是无冲突的。
另一个想法 - 由于您主要关注启发式方法，您还可以考虑一种更简单的方法：
再保留 3 列，分别表示最小值、最大值和 15 列的总和。检查这 3 个是否匹配 2 行将消除大量的真阴性。一些误报仍然存在。 （很容易注意到，在上面的方案中使用 k=1 与保持列的总和作为索引值相同，这是本子解决方案中提到的 3 个值之一。）
[一个可能是禁区的问题 - 你的数据库设计灵活吗？这似乎不是一个稳定的设计，因为列似乎代表子实体，但我没有细节可以得出结论。]
【讨论】：