如何在MySQL 8中存储phash并计算汉明距离以查找相似图片

DevOps 小满

2026-10-4

问题根因

你当前的方案确实存在字段类型选择错误、运算逻辑不兼容两个核心问题：

首先varchar类型存储的十六进制字符串不能直接参与位运算，你手动拼接0x前缀本质还是字符串，MySQL不会自动识别为数值类型参与异或计算
64位的phash本身是8字节的无符号整数，用varchar存储不仅浪费存储空间，还无法直接使用MySQL内置的位运算函数，查询效率极低，全表扫描场景下数据量过万就会有明显卡顿。

修复方案

第一步：调整字段类型

可以二选一：

优先选择BIGINT UNSIGNED类型存储phash，刚好匹配64位phash的长度，位运算效率最高。
如果要兼容多长度哈希，也可以用BINARY(8)类型存储，不过位运算需要额外转换，优先推荐第一种方案。

第二步：调整写入和查询逻辑

Python写入前把十六进制字符串转成整数再入库：

response2 = requests.get(url, stream=True)
if response2:
    response2.raw.decode_content = True
    image2 = Image.open(response2.raw)
    hash2 = str(imagehash.phash(image2))
    # 转成64位无符号整数再插入数据库
    hash_int = int(hash2, 16)

查询语句直接用整数做异或运算即可：

SELECT m.*,
       BIT_COUNT( 0xae95916ec1354a9d ^ m.hash_int) as hd
from media m
where m.hash_int is not null
ORDER BY hd ASC;

如果暂时不想改现有字段结构，也可以用UNHEX函数把十六进制字符串转成二进制再计算汉明距离，注意要处理好64位对齐：

SELECT m.*,
       BIT_COUNT( CAST(UNHEX('ae95916ec1354a9d') AS UNSIGNED) ^ CAST(UNHEX(m.HASH) AS UNSIGNED)) as hd
from media m
where m.HASH is not null
ORDER BY hd ASC;