描述 #

MD5哈希值计算器 - 计算文本的MD5指纹

核心功能 #

• 针对每条文本数据生成对应的MD5哈希值
• 输出固定长度（32位小写十六进制）指纹
• 支持批量处理

应用场景 #

• 文本唯一标识生成
• 重复检测、数据去重
• 数据一致性验证

算子参数 #

输入 #

输出 #

MD5哈希值列，元素类型为字符串

调用示例 #

下面的代码展示了如何使用 daft 运行算子计算文本的 MD5 哈希值。

from __future__ import annotations

import os

import daft
from daft import col
from daft.las.functions.text.md5_calculator import Md5Calculator
from daft.las.functions.udf import las_udf

if __name__ == "__main__":

    if os.getenv("DAFT_RUNNER", "native") == "ray":
        import logging

        import ray

        def configure_logging():
            logging.basicConfig(
                level=logging.INFO,
                format="%(asctime)s - %(name)s - %(levelname)s - %(message)s",
                datefmt="%Y-%m-%d %H:%M:%S.%s".format(),
            )
            logging.getLogger("tracing.span").setLevel(logging.WARNING)
            logging.getLogger("daft_io.stats").setLevel(logging.WARNING)
            logging.getLogger("DaftStatisticsManager").setLevel(logging.WARNING)
            logging.getLogger("DaftFlotillaScheduler").setLevel(logging.WARNING)
            logging.getLogger("DaftFlotillaDispatcher").setLevel(logging.WARNING)

        ray.init(dashboard_host="0.0.0.0", runtime_env={"worker_process_setup_hook": configure_logging})
        daft.context.set_runner_ray()
    daft.set_execution_config(actor_udf_ready_timeout=600)
    daft.set_execution_config(min_cpu_per_task=0)

    samples = {
        "text": [
            '2023年，中国乘用车市场零售总量恢复至疫情前的水平，显示出市场的强劲复苏。新能源汽车乘用车行业同年实现了高质量增长，全年销量超770万辆，平均每三辆新售乘用车中就有一辆为新能源车型。在政策支持和市场供需的共同推动下，新能源汽车市场展现出更多市场化特征。预计2024年，这一增长趋势将持续。随着新能源技术和商业模式的不断成熟，乘用车产品正逐步迈入"体验型商品"阶段，消费者在购车时更加关注整体体验，而不仅仅是车辆的社会属性或耐用品属性。',
            "与此同时，经过多年的快速发展和普及，2023年我国新车金融渗透率出现了首次回落，整体渗透率为56%，较上一年下降2%，新能源汽车的金融渗透率略低于整体水平。市场竞争日益激烈，加之宏观金融环境的影响，汽车金融领域的价格战愈发激烈。此外，产品同质化、需求多样化满足不足以及渠道模式固化等问题依然存在。研究认为，围绕用户综合体验进行汽车金融服务转型，将成为行业突破瓶颈、实现差异化发展的关键方向。",
            '2023年，中国乘用车市场零售总量恢复至疫情前的水平，显示出市场的强劲复苏。新能源汽车乘用车行业同年实现了高质量增长，全年销量超770万辆，平均每三辆新售乘用车中就有一辆为新能源车型。在政策支持和市场供需的共同推动下，新能源汽车市场展现出更多市场化特征。预计2024年，这一增长趋势将持续。随着新能源技术和商业模式的不断成熟，乘用车产品正逐步迈入"体验型商品"阶段，消费者在购车时更加关注整体体验，而不仅仅是车辆的社会属性或耐用品属性。',
        ]
    }

    ds = daft.from_pydict(samples)
    ds = ds.with_column(
        "md5_hash",
        las_udf(Md5Calculator)(col("text")),
    )

    ds.show()
    # ╭─────────────────────────────────────────────────────────┬────────────────────────────────╮
    # │ text                                                    ┆ md5_hash                       │
    # │ ---                                                     ┆ ---                            │
    # │ String                                                  ┆ String                         │
    # ╞═════════════════════════════════════════════════════════╪════════════════════════════════╡
    # │ 2023年，中国乘用车市场零售总量恢复至疫情前的水平，显示…          ┆ 5430020e506a5700f52a1817ff6ca… │
    # ├╌╌╌╌╌╌╌╌╌╌╌╌╌╌╌╌╌╌╌╌╌╌╌╌╌╌╌╌╌╌╌╌╌╌╌╌╌╌╌╌╌╌╌╌╌╌╌╌╌╌╌╌╌╌╌╌╌┼╌╌╌╌╌╌╌╌╌╌╌╌╌╌╌╌╌╌╌╌╌╌╌╌╌╌╌╌╌╌╌╌┤
    # │ 与此同时，经过多年的快速发展和普及，2023年我国新车金融…          ┆ ea93a7088974310f970f85e3b4d52… │
    # ├╌╌╌╌╌╌╌╌╌╌╌╌╌╌╌╌╌╌╌╌╌╌╌╌╌╌╌╌╌╌╌╌╌╌╌╌╌╌╌╌╌╌╌╌╌╌╌╌╌╌╌╌╌╌╌╌╌┼╌╌╌╌╌╌╌╌╌╌╌╌╌╌╌╌╌╌╌╌╌╌╌╌╌╌╌╌╌╌╌╌┤
    # │ 2023年，中国乘用车市场零售总量恢复至疫情前的水平，显示…          ┆ 5430020e506a5700f52a1817ff6ca… │
    # ╰─────────────────────────────────────────────────────────┴────────────────────────────────╯