如何在SQL Server中计算两个VARCHAR字段的汉明距离

汉明距离的核心计算逻辑是统计两个等长字符串对应位置字符不同的总个数，不需要找专门的内置函数，用基础的字符串、位运算函数就能实现，以下是可直接落地的写法：

前置校验 #

因为汉明距离要求两个字符串长度完全一致，所有查询都建议带上长度校验过滤异常数据，避免结果错误：

WHERE LENGTH(第一个二进制字段名) = LENGTH(第二个二进制字段名)

下文示例默认表名为biz_table，两个存二进制串的VARCHAR字段为bin_field_a、bin_field_b，可根据实际表名、字段名替换。

跨数据库通用写法（兼容所有支持CTE的数据库） #

如果你的数据库版本没有高阶位运算函数，用递归CTE生成位置序列逐位比对即可，兼容MySQL 8.0+、PostgreSQL 9.4+、SQL Server 2017+等主流数据库：

WITH RECURSIVE position_list AS (
    SELECT 1 AS idx
    UNION ALL
    SELECT idx + 1 FROM position_list
    WHERE idx <= (SELECT MAX(LENGTH(bin_field_a)) FROM biz_table)
)
SELECT
    t.*,
    SUM(
        CASE WHEN SUBSTRING(t.bin_field_a, p.idx, 1) <> SUBSTRING(t.bin_field_b, p.idx, 1) 
        THEN 1 ELSE 0 END
    ) AS hamming_distance
FROM biz_table t
INNER JOIN position_list p ON p.idx <= LENGTH(t.bin_field_a)
GROUP BY t.id -- 按你表的实际主键分组即可

高性能位运算写法（推荐大数据量场景使用） #

如果二进制串长度不超过数据库位类型的支持上限（比如MySQL的BIGINT支持64位，PostgreSQL的bit varying无长度限制），直接转成位类型做异或运算统计1的个数，性能比逐位比对高10~100倍：

• MySQL 写法：

SELECT
    *,
    -- 二进制串转10进制后异或，统计结果中1的个数即为不同位的数量
    BIT_COUNT(CONV(bin_field_a, 2, 10) ^ CONV(bin_field_b, 2, 10)) AS hamming_distance
FROM biz_table
WHERE LENGTH(bin_field_a) = LENGTH(bin_field_b)

如果二进制串长度超过64位，把字符串按64位切分成多段，分别计算后加总即可。

• PostgreSQL 写法：

SELECT
    *,
    -- 转成可变位类型后异或，把结果里的0去掉剩下的字符长度就是汉明距离
    LENGTH(REPLACE((bin_field_a::bit varying # bin_field_b::bit varying)::text, '0', '')) AS hamming_distance
FROM biz_table
WHERE LENGTH(bin_field_a) = LENGTH(bin_field_b)

优化建议 #

• 高频查询场景不要每次实时计算，可以加计算列/生成列预存汉明距离结果，避免重复计算消耗资源。
• 尽量不要写逐字符循环的自定义函数，这类函数在大数据量查询时性能极差，优先用数据库原生内置的位运算、字符串聚合函数实现。

内容的提问来源于stack exchange，提问作者David Hill