存储BitSet到MySQL中--相似度搜索

存储BitSet到MySQL中--相似度搜索

分子结构式相似度搜索使用的是fingerprint进行比较，而

fingerprint是一个二进制数据，CDK中使用BitSet来存储该信息，如果要每次比对都去生成BitSet，那也太耗时间了，所以我们需要存储

fingerprint信息到数据库中，比较的时候，直接读取，而MySQL不支持存储BitSet数据，网站找了一下，有人想到把

BitSet转换成Blob信息进行存储，然后取的时候再转换回来，不愧是个好的方法。下面来看看代码实现：

/*

 * Copyright (c) 2010-2020 Founder Ltd. All Rights Reserved.

 *

 * This software is the confidential and proprietary information of

 * Founder. You shall not disclose such Confidential Information

 * and shall use it only in accordance with the terms of the agreements

 * you entered into with Founder.

 *

 */

package com.founder.mysql;

import java.sql.Blob;

import java.sql.Connection;

import java.sql.SQLException;

import java.util.BitSet;

public class MySQLUtil {

public static Blob bitsetToBlob(BitSet myBitSet, Connection con) throws SQLException {

   byte[] byteArray = toByteArray(myBitSet);

   Blob blob = con.createBlob();

   blob.setBytes(1, byteArray);

   return blob;

}

private static byte[] toByteArray(BitSet bits) {

   byte[] bytes = new byte[bits.length()/8+1];

   for (int i=0; i<bits.length(); i++) {

       if (bits.get(i)) {

           bytes[bytes.length-i/8-1] |= 1<<(i%8);

       }

   }

   return bytes;

}

public static BitSet blobToBitSet(Blob blob) throws SQLException {

   byte[] bytes = blob.getBytes(1, (int)blob.length());

   BitSet bitSet = fromByteArray(bytes);

   return bitSet;

}

private static BitSet fromByteArray(byte[] bytes) {

   BitSet bits = new BitSet(1024);  

   for (int i=0; i<bytes.length*8; i++) {

       if ((bytes[bytes.length-i/8-1]&(1<<(i%8))) > 0) {

           bits.set(i);

       }

   }

   return bits;

}

}

通过以上代码，我们就可以把fingerprint的值计算出来，然后存储到MySQL数据库中了。
进行相似度搜索的时候，值需要取出已经存储的值进行比对就可以了。

float coefficient = Tanimoto.calculate(query, MySQLUtil.blobToBitSet(results.getBlob("bits")));
笔者测试了187586条结构数据，大概需要12秒左右，基本满足一般需求。