Azure 数据流 md5 函数无法将十进制值识别为唯一值

Question

我们使用 Azure 数据流在 Azure SQL 数据仓库中生成数据表的历史记录。在数据流中，我们在所有列上使用 md5 或 sha1 函数来生成唯一的行指纹以检测记录的变化，或识别已删除/新记录（相当标准的历史技术）。

对于某些数据表，我们有包含十进制值的列（例如数据类型 DECIMAL(18,1)）。如果我查看在一个整数、一个文本和一个十进制列上生成的 md5 哈希，我希望这三行在 Azure 数据流中生成不同的哈希：

但是，这三行得到完全相同的哈希，这意味着我们无法检测到 [id] = 1 记录的字段 [value] 的变化。如果十进制值作为文本存储在数据库（或在 md5 函数中转换为字符串），哈希值不同：

这导致我们的一些历史记录表无法准确记录数据，只有小数列中的值发生了变化。

我的问题：有人知道这是否是 Azure 数据流的“设计”，还是需要 Microsoft 修复的错误？

Answer 1

是的，这是设计使然，同时也是一个错误。

我也遇到过，我和这里的团队想出了与您相同的解决方法，但执行时间增加了一倍。

在与 Microsoft 讨论了大约 1 小时后，我们发现：

• 浮动不受影响
• 指定精度和小数位数的数据类型会受到影响
• md5 的行为是，最后一个是，将其四舍五入 Integer 并对其应用 md5。

MD5 将为这些值返回相同的值：

• 0
• 0.1
• 0.4

以下值的行为相同：

• 0.5
• 0.6
• 1

将返回不同的哈希值：

• 0.4
• 0.9
• 1.5
• 2.5

有人告诉我修复预计在 2 月进行。

如果不使用像我这样的列函数 (byNames)，您可以将值乘以以 10 为底的幂，并以指数为指数。

这将比 toString 更快。