如何在Presto/Trino中实现Java的HashCode方法？

Java的String.hashCode()逻辑基于32位有符号整数累加计算，核心公式如下：

h = 0;
for (int i = 0; i < s.length(); i++) {
h = 31 * h + s.charAt(i);
}
return h;
其中s.charAt(i)返回字符的UTF-16编码值，计算过程自动处理32位整数溢出。以下是两种无需编写Java UDF的快速实现方案：

方案一：使用REDUCE函数（推荐，高效） #

Trino/Presto内置的REDUCE函数可直接模拟循环累加逻辑，无需额外部署，适合大数据场景：

CREATE OR REPLACE FUNCTION java_string_hash_code(s VARCHAR)
RETURNS INTEGER
LANGUAGE SQL
AS $$
    SELECT CAST(
        BITWISE_AND(
            REDUCE(
                SEQUENCE(0, LENGTH(s) - 1),
                0,
                (acc, idx) -> 31 * acc + UNICODE(SUBSTR(s, idx + 1, 1)),
                acc -> acc
            ),
            0xFFFFFFFF
        ) AS INTEGER
    )
$$;

验证示例 #

执行以下语句验证结果：

SELECT java_string_hash_code('plaintext');

返回结果为1973234167，与Java计算结果完全一致。

逻辑说明 #

• SEQUENCE(0, LENGTH(s)-1)：生成字符串字符的0-based索引序列
• REDUCE：从初始值0开始逐字符累加，完全对应Java的循环逻辑
• BITWISE_AND(..., 0xFFFFFFFF)：将64位计算结果截断为32位，模拟Java的int溢出行为，再转为有符号INTEGER类型

方案二：递归CTE（兼容旧版本Trino） #

若你的Trino版本不支持REDUCE函数，可使用递归CTE实现：

WITH RECURSIVE hash_calc AS (
    SELECT
        0 AS idx,
        0 AS hash,
        'plaintext' AS str
    UNION ALL
    SELECT
        idx + 1,
        31 * hash + UNICODE(SUBSTR(str, idx + 1, 1)),
        str
    FROM hash_calc
    WHERE idx < LENGTH(str)
)
SELECT CAST(BITWISE_AND(MAX(hash), 0xFFFFFFFF) AS INTEGER) AS java_hash
FROM hash_calc;

该方案性能略低于REDUCE，适合小字符串或旧版本环境。

注意事项 #

• 字符范围：对于BMP（基本多平面）字符（大部分常见字符），两种方案与Java结果完全一致；若涉及UTF-16代理对的补充平面字符（如部分emoji），需额外处理代理对逻辑，这类场景极少。
• 性能：方案一的REDUCE是内置优化函数，性能接近原生UDF，远高于递归CTE。

内容的提问来源于stack exchange，提问作者Heisenberg