寻找Snowflake中可生成与ORA_HASH相同哈希值的替代函数方案

Snowflake当前无内置原生函数可直接生成与Oracle ORA_HASH完全一致的哈希结果，原因是ORA_HASH为Oracle自研的内部非加密哈希算法，不属于通用公开哈希标准，因此内置的HASH、MD5、SHA系列函数均无法直接匹配输出。以下是两种可落地的实现方案：

方案1：自定义JavaScript UDF复现ORA_HASH算法 #

你可以在Snowflake中创建JS UDF，复现ORA_HASH的核心计算逻辑。默认参数下ORA_HASH的核心逻辑为：将输入字符串转UTF-8二进制流，按32位小端序拆分数据块，使用默认种子0做循环位运算，最终对2^32-1取模得到结果。
示例UDF代码如下：

CREATE OR REPLACE FUNCTION ORA_HASH_CUSTOM(input_str STRING, seed NUMBER DEFAULT 0, max_bucket NUMBER DEFAULT 4294967295)
RETURNS NUMBER
LANGUAGE JAVASCRIPT
AS $$
function strToUtf8Bytes(str) {
  const encoder = new TextEncoder();
  return encoder.encode(str);
}
const bytes = strToUtf8Bytes(INPUT_STR || '');
let h1 = SEED | 0;
const c1 = 0xcc9e2d51;
const c2 = 0x1b873593;
const r1 = 15;
const r2 = 13;
const m = 5;
const n = 0xe6546b64;

let len = bytes.length;
let remainder = len % 4;
let roundedLen = len - remainder;

for (let i = 0; i < roundedLen; i += 4) {
  let k1 = (bytes[i] & 0xff) | ((bytes[i+1] & 0xff) << 8) | ((bytes[i+2] & 0xff) << 16) | ((bytes[i+3] & 0xff) << 24);
  k1 = Math.imul(k1, c1);
  k1 = (k1 << r1) | (k1 >>> (32 - r1));
  k1 = Math.imul(k1, c2);
  h1 ^= k1;
  h1 = (h1 << r2) | (h1 >>> (32 - r2));
  h1 = Math.imul(h1, m) + n;
}

let k1 = 0;
switch (remainder) {
  case 3: k1 ^= (bytes[roundedLen + 2] & 0xff) << 16;
  case 2: k1 ^= (bytes[roundedLen + 1] & 0xff) << 8;
  case 1: k1 ^= (bytes[roundedLen] & 0xff);
          k1 = Math.imul(k1, c1);
          k1 = (k1 << r1) | (k1 >>> (32 - r1));
          k1 = Math.imul(k1, c2);
          h1 ^= k1;
}

h1 ^= len;
h1 ^= h1 >>> 16;
h1 = Math.imul(h1, 0x85ebca6b);
h1 ^= h1 >>> 13;
h1 = Math.imul(h1, 0xc2b2ae35);
h1 ^= h1 >>> 16;

return (h1 >>> 0) % MAX_BUCKET;
$$;

使用时直接调用ORA_HASH_CUSTOM(你的字段名)即可，正式使用前建议先使用小批量样本和Oracle侧的ORA_HASH结果做一致性校验。

方案2：预计算哈希值同步 #

如果是Oracle到Snowflake的迁移场景，无需在Snowflake侧实时计算新增数据的ORA_HASH，可以直接在Oracle侧提前计算好对应字段的ORA_HASH值，作为独立字段同步到Snowflake中，该方案准确率100%，实现成本最低。

注意事项 #

• 自定义UDF使用前需对齐Oracle和Snowflake的字符串编码，特殊字符、空值的处理逻辑要和Oracle侧完全一致，否则会出现结果偏差
• 若你使用的ORA_HASH指定了非默认的种子、模参数，需同步修改UDF的默认入参，保证两边计算参数统一

内容的提问来源于stack exchange，提问作者Ankit Srivastava