mysql哈希索引

       哈希索引（hash index)基于哈希表实现，只有精确匹配索引所有列的査询才有效。对 于每一行数据，存储引擎都会对所有的索引列计算一个哈希码（hash code),哈希码是 一个较小的值，并且不同键值的行计算出来的哈希码也不一样。哈希索引将所有的哈希 码存储在索引中，同时在哈希表中保存指向每个数据行的指针。

        在My SQL中，只有Memory引擎显式支持哈希索引。这也是Memory引擎表的默认索 引类型，Memory引擎同时也支持B-Tree索引。值得一提的是，Memory引擎是支持非 唯一哈希索引的，这在数据库世界里面是比较与众不同的。如果多个列的哈希值相同， 索引会以链表的方式存放多个记录指针到同一个哈希条目中。
           下面来看一个例子。假设有如下表：

1 2 3

CREATE  TABLE  testhash ( fname  VARCHAR (5〇)  NOT  NULL , lname  VARCHAR (5〇)  NOT  NULL ,  KEY  USING HASH(fname) )ENGINE=MEMORY;

表中包含如下数据：

1	mysql>  SELECT  *  FROM  testhash;

fname    | lname
Arjen     | Lentz
Baron    | Schwartz
Peter     |Zaitsev
Vadim    | Tkachenko

假设索引使用假想的哈希函数f()，它返回下面的值（都是示例数据，非真实数据）：

f(,Arjen')= 2323 f('Baron')= 7437 f('Peter')= 8784 ('Vadim1)= 2458
则哈希索引的数据结构如下：
槽（Slot)      值（Value)
2323           指向第1行的指针
2458          指向第4行的指针
7437           指向第2行的指针
8784          指向第3行的指针

        注意每个槽的编号是顺序的，但是数据行不是。现在，来看如下査询： mysql> SELECT lname FROM testhash WHERE fname='Peter';
MySQL先计算_Pete「_的哈希值，并使用该值寻找对应的记录指针。因为f(Tetef)=8784,所以MySQL在索引中查找8784,可以找到指向第3行的指针，最后一步是比较第三行的值是否为'Peter1，以确保就是要査找的行。

       因为索引自身只需存储对应的哈希值，所以索引的结构十分紧凑，这也让哈希索引査找的速度非常快。然而，哈希索引也有它的限制：
哈希索引只包含哈希值和行指针，而不存储字段值，所以不能使用索引中的值来避 免读取行。不过，访问内存中的行的速度很快，所以大部分情况下这一点对性能的 影响并不明显。

         哈希索引数据并不是按照索引值顺序存储的，所以也就无法用于排序。
         哈希索引也不支持部分索引列匹配査找，因为哈希索引始终是使用索引列的全部内 容来计算哈希值的。例如，在数据列（A,B)上建立哈希索引，如果查询只有数据列A， 则无法使用该索引。

          哈希索引只支持等值比较査询，包括=、IN()、<=> (注意 <> 和 <=> 是不同的操作)。 也不支持任何范围査询，例如WHERE price > 100。
          访问哈希索引的数据非常快，除非有很多哈希冲突（不同的索引列值却有相同的哈 希值）。当出现哈希冲突的时候，存储引擎必须遍历链表中所有的行指针，逐行进行 比较，直到找到所有符合条件的行。

         如果哈希冲突很多的话，一些索引维护操作的代价也会很高。例如，如果在某个选 择性很低（哈希冲突很多）的列上建立哈希索引，那么当从表中删除一行时，存储 引擎需要遍历对应哈希值的链表中的每一行，找到并删除对应行的引用，冲突越多， 代价越大。

        因为这些限制，哈希索引只适用于某些特定的场合。而一旦适合哈希索引，则它带来的 性能提升将非常显著。举个例子，在数据仓库应用中有一种经典的“星型” schema，需 要关联很多査找表，哈希索引就非常适合査找表的需求。

        除了 Memory引擎外，NDB集群引擎也支持唯一哈希索引，且在NDB集群引擎中作用 非常特殊，但这不属于本书的范围。

          InnoDB引擎有一个特殊的功能叫做“自适应哈希索引（adaptive hash index)”。当 InnoDB注意到某些索引值被使用得非常频繁时，它会在内存中基于B-Tree索引之上再 创建一个哈希索引，这样就让B-Tree索引也具有哈希索引的一些优点，比如快速的哈希 査找。这是一个完全自动的、内部的行为，用户无法控制或者配置，不过如果有必要， 完全可以关闭该功能。

           创建自定义哈希索引。如果存储引擎不支持哈希索引，则可以模拟像InnoDB —样创建 哈希索引，这可以享受一些哈希索引的便利，例如只需要很小的索引就可以为超长的键 创建索引。

          思路很简单：在B-Tree基础上创建一个伪哈希索引。这和真正的哈希索引不是一回事， 因为还是使用B-Tree进行査找，但是它使用哈希值而不是键本身进行索引査找。你需要 做的就是在査询的WHERE子句中手动指定使用哈希函数。

           DM>下面是一个实例，例如需要存储大量的URL，并需要根据URL进行搜索査找。如果使 用B-Tree来存储URL，存储的内容就会很大，因为URL本身都很长。正常情况下会有 如下査询： 
mysql> SELECT id FROM url WHERE url=nhttp://www.mysql.com";
若删除原来URL列上的索引，而新增一个被索引的u「l_crc列，使用CRC32做哈希，就 可以使用下面的方式査询：
mysql> SELECT id FROM url WHERE url="http://www.mysql.com"
-> AND url_crc=CRC32("http://www.mysql.com");

    这样做的性能会非常高，因为MySQL优化器会使用这个选择性很高而体积很小的基于 u「l_c「c列的索引来完成査找（在上面的案例中，索引值为1560514994)。即使有多个 记录有相同的索引值，査找仍然很快，只需要根据哈希值做快速的整数比较就能找到索 引条目，然后一一比较返回对应的行。另外一种方式就是对完整的URL字符串做索引， 那样会非常慢。

     这样实现的缺陷是需要维护哈希值。可以手动维护，也可以使用触发器实现。下面的案 例演示了触发器如何在插入和更新时维护url_c「c列。首先创建如下表：

1 2 3 4 5 6

CREATE  TABLE  pseudohash ( id  int  unsigned  NOT  NULL  auto_increment, url  varchar (255)  NOT  NULL , url_crc  int  unsigned  NOT  NULL  DEFAULT  0, PRIMARY  KEY (id) )；

然后创建触发器。先临时修改一下语句分隔符，这样就可以在触发器定义中使用分号：

1 2 3 4 5 6 7 8

DELIMITER // CREATE  TRIGGER  pseudohash_crc_ins BEFORE  INSERT  ON  pseudohash  FOR  EACH ROW  BEGIN  SET  NEW.url_crc=crcB2(NEW.url); END ; ~ // CREATE  TRIGGER  pseudohash_crc_upd BEFORE  UPDATE  ON  pseudohash  FOR  EACH ROW  BEGIN  SET  NEW.url_crc=crc32(NEwTurl); END ; ~ // DELIMITER ;

剩下的工作就是验证一下触发器如何维护哈希索引：
mysql> INSERT INTO pseudohash (url) VALUES ('http://www.mysql.com'); mysql> SELECT * FROM pseudohash;
+ +  +  +
| id | url | url_crc |
+ +   + +
| 1 | http://www.mysql.com | 1560514994 |
+ + + +
mysql> UPDATE pseudohash SET url='http://www.mysql.com/' WHERE id=l; mysql> SELECT * FROM pseudohash;
+ + +  +
| id | url | url_crc |
+ +  +  +
| 1 | http://www.mysql.com/ | 1558250469 |
+ +- + +
如果采用这种方式，记住不要使用SHA1()和MD5()作为哈希函数。因为这两个函数计算 出来的哈希值是非常长的字符串，会浪费大量空间，比较时也会更慢。SHA1()和MD5(> 是强加密函数，设计目标是最大限度消除冲突，但这里并不需要这样髙的要求。简单哈 希函数的冲突在一个可以接受的范围，同时又能够提供更好的性能。
如果数据表非常大，CRC32()会出现大量的哈希冲突，则可以考虑自己实现一个简单的 64位哈希函数。这个自定义函数要返回整数，而不是字符串。一个简单的办法可以使用 MD5()函数返回值的一部分来作为自定义哈希函数。这可能比自己写一个哈希算法的性 能要差（参考第7章），不过这样实现最简单：
mysql> SELECT C0NV(RIGHT(MD5(,http://www.mysql.com/'), 16), 16, 10) AS HASH64；
+---   +
| HASH64 |
+-  +
| 9761173720318281581 |
+ +
处理哈希冲突。当使用哈希索引进行査询的时候，必须在WHERE子句中包含常量值：
mysql> SELECT id FROM url WHERE url_crc=CRC32("http://_.mysql.com")
-> AND url="http://www.mysql.com";
一旦出现哈希冲突，另一个字符串的哈希值也恰好是1560514994,则下面的查询是无法 正确工作的。
mysql> SELECT id FROM url WHERE url_crc=CRC32("http://www.mysql.conT);
因为所谓的“生日悖论” ft5,出现哈希冲突的概率的增长速度可能比想象的要快得多。 CRC32()返回的是32位的整数，当索引有93 000条记录时出现冲突的概率是1%。例如 我们将中的词导入数据表并进行CRC32()计算，最后会有98 569行。 这就已经出现一次哈希冲突了，冲突让下面的查询返回了多条记录：
mysql> SELECT word, crc FROM words WHERE crc = CRC32('gnu,);
+ +- +
| word | crc |
+ +— +
丨 codding 丨 1774765869 丨
gnu I 1774765869 |
+  + +
正确的写法应该如下：
mysql> SELECT word, crc FROM words WHERE crc = CRC32(’gnu’）AND word = •gnu’；
+ +  +
| word | crc |
+ + +
| gnu | 1774765869 |
+ +--- ---+
      要避免冲突问题，必须在WHERE条件中带入哈希值和对应列值。如果不是想査询具体 值，例如只是统计记录数（不精确的），则可以不带入列值，直接使用CRC32()的哈希值 査询即可。还可以使用如FNV64()函数作为哈希函数，这是移植自Percona Server的函 数，可以以插件的方式在任何MySQL版本中使用，哈希值为64位，速度快，且冲突比 CRC32()要少很多。

原文地址：http://www.itmmd.com/201501/454.html 
该文章由 萌萌的IT人 整理发布,转载须标明出处。