数据库性能优化，关于oracle字符串比较优化的改进方案，大家拍砖

  因为公司的单个业务数据达到千W级别，并且有源源不断的新数据进来。新数据进来都需要进行查重，重复数据不能进来，查重条件有很多字符串的对比，最大的字符串不超过1000个字符，但是字符串的比较，对于数据库来说，非常的耗性能，如果能将String转成数字来进行比较对于性能的提高将非常有用。

    后来想到String有一个hashcode，看看能否使用：

 

    <SPAN style="FONT-SIZE: small">/**
     * Returns a hash code for this string. The hash code for a
     * <code>String</code> object is computed as
     * <blockquote><pre>
     * s[0]*31^(n-1) + s[1]*31^(n-2) + ... + s[n-1]
     * </pre></blockquote>
     * using <code>int</code> arithmetic, where <code>s[i]</code> is the
     * <i>i</i>th character of the string, <code>n</code> is the length of
     * the string, and <code>^</code> indicates exponentiation.
     * (The hash value of the empty string is zero.)
     *
     * @return  a hash code value for this object.
     */
    public int hashCode() {
	int h = hash;
        int len = count;
	if (h == 0 && len > 0) {
	    int off = offset;
	    char val[] = value;

            for (int i = 0; i < len; i++) {
                h = 31*h + val[off++];
            }
            hash = h;
        }
        return h;
    }</SPAN>

 

     但是遗憾的是int的范围非常窄（-2147483648——2147483647），出现重复的概率虽然说比较低，但是不可避免会出现重复的可能性。

      于是想到，是否可以自己重新写过hashcode方法，将int的范围扩大到long类型（-9223372036854774808~9223372036854774807），这样在目前长度的字符生成的hashcode出现重复的可能性应该几乎为零。

      大家对于这个设想是否有什么更好的意见？

MD5/SHA1

MD5，并不是数字类型，还是字符串呀

hash(string+string.length)

hashcode相等并不代表字串相等，只能保证字串相等hashcode相等

搞个MD5匹配下就好了

1. 可以加一列 用于保存md5的值
2. 在上面的列 加上索引
3  新来的字符串 md5 后的值 走索引去比较
4. 再来确定是否接受新来的字符串

参考Map实现机制：先用hashcode，相等则比较完整字符串。

hashcode相等只能保证两个对象在一个HASH表里的同一条HASH链上，不能保证两个对象一定相等

楼上这个即可：
参考Map实现机制：先用hashcode，相等则比较完整字符串。