动态hash办法（数据库索引技巧）

本文将介绍三种动态hash办法。

      散列是一个很是有效的、很是根蒂根基的数据布局，在数据的查找方面尤其首要，应用的很是广泛。然而，任何事物都有两面性，散列也存在毛病，即数据的局部集中性会使散列的机能急剧降落，且越集中，机能越低。

      数据集中，即搜刮键在经由过程hash函数运算后，获得同一个成果，指向同一个桶，这时便产生了数据冲突。

      凡是解决数据冲突的办法有：拉链法（open hashing）和开地址法（open addressing）。拉链法我们用的很是多，即存在冲突时，简单的将元素链在当前桶的最后元素的尾部。开放地址法有线性探测再散列、二次线性探测再散列、再hash等办法。

      以上介绍的解决冲突的办法，存在一个前提：hash表（又称散列表）的桶的数量对峙不变，即hash表在初始化时指定一个数，今后在应用的过程中，只容许在此中添加、删除、查找元素等操纵，而不容许改变桶的数量。

      在实际的应用中，当hash表较小，元素个数不久不多时，采取以上办法完全可以敷衍。然则，一旦元素较多，或数据存在必然的偏斜性（数据集平分布在某个桶上）时，以上办法不足以解决这一题目。我们引入一种称之为动态散列的办法：在hash表的元素增长的同时，动态的调剂hash桶的数量。

      动态hash不须要对hash表中所有元素进行再次插入操纵（重组），而是在本来根蒂根基上，进步履态的桶扩大。有多种办法可以实现：多hash表、可扩大的动态散列和线性散列，下面分别介绍之，办法由简单到错杂。

        多hash表：顾名思义，即采取多个hash表的体式格式扩大原hash表。这种体式格式不错杂，且懂得起来也较简单，是三者中最简单的一种。

      凡是，当一个hash表冲突较多时，须要推敲采取动态hash体式格式，来减小后续操纵持续在该桶上的冲突，减轻该桶肩负，最简单且最轻易想到的就是采取多hash表的体式格式。如下图，有一个简单的hash布局：

简单起见，假定（1）hash函数采取模5，即hash（i）=i％5；（2）每个桶中最多只可放4个元素。

      在以上根蒂根基上，向hash表中插入5，因为桶a存在余暇，直接存入。接着向hash表插入值3，因为d桶中已满，无余暇地位，此时在建树一个hash表，成果如下图

 

经由过程图示，一目了然，本来的一个hash表，变为如今的两个hash表。如须要，该“割据”可持续进行。

      须要重视的是：采取这种体式格式，多个hash表公用一个hash函数，且目次项的个数也随之增多，分别指向对应的桶。实际上，这时存在两个不合的目次项，分别指向各自的桶。

      履行插入、查找、删除操纵时，均需先求得hash值x。插入时，获得当前的hash表的个数，并分别取得各个目次项的x地位上的目次项，若此中某个项指向的桶存在余暇地位，则插入之。同时，在插入时，可对峙多个hash表在某个目次项上桶中元素的个数近似相等。若不存在余暇地位，则简单的进行“割据”，新建一个hash表，如上图所示。

      查找时，因为某个记录值可能存在当前hash布局的多个表中，是以需同时在多个目次项的同一地位长进行查找操纵，守候所有的查找停止后，方可剖断该元素是否存在。因为该种布局需进行多次查找，当表元素很是多时，为进步效力，在多处理惩罚器上可采取多线程，并发履行查找操纵。

      删除操纵，与上述过程根蒂根基类似，不赘述。须要重视的是，若删除操纵导致某个hash表元素为空，这时可将该表从布局中剔除。

      这种解决hash冲突的办法，长处是：思惟简单，实现起来也不错杂。因为一存在桶满的景象就另分派一个hash表，是以占用内存空间较大；当数据较集中时，桶哄骗率会很低。

 

 

 可扩大的动态散列：引入一个仅存储桶指针的目次数组，用翻倍的目次项数来庖代翻倍的桶的数量，且每次只盘占领溢出的桶，从而减小翻倍的价格。这里须要几个参数：H默示hash函数、D默示全局位深度、L默示桶的局部深度。还是来看个例子，参照这个图，你会更了然。

 

图中，每个目次项有一个指向桶的指针，为介绍便利，我们假定（1）每个桶只可存放4个元素；（2）每个桶中存放的元素j*默示H（i）=j，为便利起见，只图示了j的值，并以’ *’标注。当前有4个目次项，目次项的编号从00~11，用两个位即可默示所有的目次项，是以全局位深度D=2；所有的桶今朝最多只可放4个元素，是以所有桶的局部位深度为L=2。

      在上图的根蒂根基上，我们插入数据d1和d2，且假定，经过hash函数求值后分别获得H（d1）=13；H（d2）=20。因为13=1101，因全局位深度为2，故选用最后两位01，找到编号为01的目次项，从而找到其指向的桶b，因为该桶还有空间，可直接存入数据。因20=10100，全局位深度为2，选用最后两位00，选定第一个目次项，这时我们发明其指向的桶a中已经放满了数据，于是该桶进行割据，割据的桶的局部位深度从2变为3，若这个数据比全局位深度还大，则全局位深度也便是该数，并进行目次项的翻倍操纵。割据的桶中的所稀有据，需进行局部的重组。下图列出了割据后的hash表的景象。

对a桶进行割据后，获得两个桶a1和a2，其局部深度加1。因为局部深度大于全局位深度，是以目次数组进行翻倍，从4变为8，且目次编号扩大一位（如图）。桶a割据为a1桶和a2桶，分别设置指针。对本来a桶中的所有元素进行重组操纵，32和16的后三位均为000，于是放入a1桶，4和12的后三位均为100，于是放入a2桶。对目次项数组中其它未赋值的目次项，进行赋值，使指针指向对应的桶。至此，插入操纵完毕。可以看到，有多个目次指向同一个桶。

      对于查找操纵，步调如下：

1、对于须要查找的x，hash（x） = y

2、按照当前hash表的全局位深度，决意对y取厥后D位，位数不敷用0填充

3、找到对应的目次项，从而找到对应的桶，在桶中一一进行斗劲。

 

      对于删除操纵，和查找操纵类似，先定位元素，删除之。若删除时发明桶为空，则可以推敲将该桶与其兄弟桶进行归并，并使局部位深度减1。

      可扩大散列的益处在于可动态进行桶的增长，且增长的同时，用目次项的翻倍的较小的价格换取桶数翻倍的传统做法，效力获得提拔。然而，它也存在必然题目：（1）当散列的数据分布不均或偏斜较大时，会使得目次项的数量很大，数据桶的哄骗率很低；（2）目次的增长速度，是指数级增长，扩大较快。

线性散列：动态hash常用的另一种办法为线性散列，它能随数据的插入和删除，恰当的对hash桶数进行调剂，与可扩大散列比拟，线性散列不须要存放数据桶指针的专门目次项，且能更天然的处理惩罚数据桶已满的景象，容许更灵活的选择桶割据的机会，是以实现起来比拟前两种办法要错杂。

      懂得线性散列，须要引入“轮转割据进化”的概念，各个桶轮流进行割据，当一轮割据完成之后，进入下一轮割据，于是割据将从头开端。用Level默示当前的“轮数”，其值从0开端。假定hash表初始桶数为N（请求N是2的幂次方），则值logN（以2为底）是指用于默示N个数须要的起码二进制位数，用d0默示，即d0=logN。

      以上提到，用Level默示当前轮数，则每轮的初始桶数为N*2^Level个（2^Level默示2的Level次方）。例如当进行第0轮时，level值为0，则初始桶数为N*2^0=N。桶将按桶编号从小到大的次序，依次产生割据，一次割据一个桶，这里我们应用Next指向下次将被割据的桶。

      每次桶割据的前提可灵活选择，例如，可设置一个桶的填充因子r（r<1），当桶中记录数达到该值时进行割据；也可选择当桶满时才进行割据。

      须要重视的时，每次产生割据的桶老是由Next决意，与当前值被插入的桶已满或溢出无关。为处理惩罚溢出景象，可引入溢出页解决。话不久不多说，先来看一个图示：

假定初始时，数据分布如上，hash函数为h（x）。桶数N=4，轮数Level为0，Next处于0地位；采取“产生溢出割据”作为触发割据的前提。此时d=logN=2，即应用两个二进位可默示桶的全部编号。

      简单申明一下，为什么32*、25*、18*分别位于第一、二、三个桶中。因为h（x）=32=100000，取最后两个二进制位00，对应桶编号00；h（y）=25=11001，取最后两个二进制位01，对应桶编号01；h（z）=18=10010，最后两位对应桶编号10。

      接下来，向以上hash表中插入两个新项h（x1）=43和h（x2）=37，插入成果如下图所示：

我们来解析一下。当插入h（x1）=43=101011时，d值为2，是以取末尾两个二进制位，应插入11桶。因为该桶已满，故应增长溢出页，并将43*插入该溢出页内。因为触发了桶割据，是以在Next=0地位上（重视不是在11桶上），进行桶割据，产生00桶的映像桶，映像桶的编号策画体式格式为N+Next=4+0=100，且将本来桶内的所有元素进行从头分派，Next值移向下一个桶。

      当插入h（x2）=37=100101时，d值仍为2，取末尾两个二进制位，应插入01桶，该桶中有空余空间，直接插入。

      解析到这里，读者应当根蒂根基懂得了线性散列的割据体式格式。我们发明，桶割据是依次进行的，且后续产生的映像桶必然位于上一次产生的映像桶之后。

      读者不妨持续测验测验插入h（x）=29，22，66，34，50，景象如下图所示，这里不再具体解析。

线性散列的查找操纵，例如要查询h（x）=18，32，44。假定查询时，hash表状况为N=4，Level=0，Next=1，是以d值为2。

（1）   查找h（x）=18=10010，取末两位10，因为10位于Next=1和N=4之间，对用桶还未进行割据，直接取10作为桶编号，在该桶中进行查找。

（2）   查找h（x）=32=10000，取末两位00，因为00不在Next=1和N=4之间，默示该桶已经割据，再向前取一位，是以桶编号为000，在该桶中进行查找。

（3）   查找h（x）=44=101100，取末两位00，因为00不在Next=1和N=4之间，默示该桶已经割据，再向前取一位，是以桶编号为100，在该桶中进行查找。

      线性散列的删除操纵是插入操纵的逆操纵，若溢出块为空，则可开释。若删除导致某个桶元素变空，则Next指向上一个桶。当Next削减到0，且最后一个桶也是空时，则Next指向N/2 -1的地位，同时Level值减1。

      线性散列比可扩大动态散列更灵活，且不须要存放数据桶指针的专门目次项，节俭了空间；但若是数据散列后分布不均匀，导致的题目可能会比可扩大散列还严重。

 

至此，三种动态散列体式格式介绍完毕。

 

附：对于多hash表和可扩大的动态散列，桶内部的组织，可采取（1）链式办法，一个元素一个元素的链接起来，则上例中的4默示最多只能链接4个如许的元素；也可采取（2）块体式格式，每个块中可放若干个元素，块与块之间链接起来，则上例中的4默示最多只能链接4个如许的块。