Extendible Hash 总结

Extendible Hash 举例

• 图形解释

  • 图中矩形表示桶的编号（bucket_idx）的二进制形式表示，存在于目录页(Directory Page)
  • 图中圆形表示桶页，其内部数据则为桶里面的内容（存在于桶页 Bucket Page）

• 假定规则

  • 初始全局深度 global depth = 0
  • 初始所有桶页面的局部深度 local depth = 0
  • 为了方便描述，假定每个桶最多只能容纳 1 组键值对
  • 当插入新数据时，如果发现桶满了，则执行桶分裂操作
  • 这里采用 least significant bit (最低有效位)进行表示

• 以下是依次插入 4, 3, 6, 5 ,4个数的 Extendiable 变化图
  

• 最开始，目录中只有一个 bucket_id = 0 的目录项，也就是只有一个桶

• Step1,插入数据 4 (100)，桶(0)是空的，正常插入, global_depth = 1, local_depth[0] = 1

• Step2，插入数据 3(11)，末尾为1的桶不存在(相当于桶满)，执行桶分裂，生成0，1两个目录项，然后重新执行 hash 操作，把 3 插入 bucked_id = 1 的桶中。

• Step3, 插入数据 6（110），发现桶(0)已经满了（里面有4了），同时此时 glabal_depth = local_depth[0] ，则桶目录需要执行扩增同时桶页执行分裂操作（如果global_depth > local_depth[0]则 只需进行桶分裂,例如 Step 3 -> Step4过程），每次桶分裂后目录项都是原先的两倍，仔细观察会发现，每个新的目录项都是由旧的目录项通过 “bit 位左侧 +0 or + 1” 实现的，例如由 目录项0 分裂得到的新目录项分别是是 00 和 10,而由目录项目1分裂得到的新的目录项则分别是 01 和 11，仔细体会整个 +0 和 +1 的含义，实现过程则需要采用二进制运算，这样通过 +0 和 +1 得到的新页面则互称 SplitImage。注意，因为由原先的目录项 1 扩展而来的目录项 01 和 11 因为没有新数据插入，仍然指向同一个桶。

• Step 4,插入数据 5(101)，此时取 global depth （01）得到其应该插入Step3中的最下面的那个桶，而此时桶已经满了，而此时global_depth > local_depth[1] ，因此只需要进行桶分裂，不需要目录扩增，此时把该桶内的所有元素重新 hash，得到 Step4 图所示的结果。

Q & A

• 为什么采用 +0 or +1 的方式实现分桶呢？

  • 以桶编号为 1为例，其二进制表示为 1, 由其分裂得到的桶项为 01, 11，可以保证分裂后的桶项和分裂前除了最高位不同，其余都相同。因为分裂完成后需要把原先满的数据重新 hash，而分裂前那个桶中的数据都是由相同的后缀构成的，再次 hash 后，能保证所有的数据都被映射到新分裂得到的两个新桶中去，如果不这个做，那么分裂后再次 hash ，数据又会被随机分配到其他桶中去，那么 hash 结果就会混乱，导致整个 hash 表失效。

• 如何得到分裂后的桶对应的编号，假设分裂前的桶的编号为 bucket_idx

  	// 根据桶分裂 +0, +1的规则
  	first = bucket_idx | (1 << global_depth) // 低位不变，把 global + 1 位变为 1
  	second = bucket_idx  // 另一个不变
  

• 如何根据 bucket_idx 得到其一同分裂时的镜像桶 (Split Image Bucket)

  	// 把高 global_depth + 1 位置取反就可以了
  		bucket_idx ^ (1 << (local_depth - 1))