查找类经典数据结构巡礼

后台开发最常见的操作就是对服务器数据的增删改查。与本地文件读写不同，服务器通常借助结构化索引来管理和缓存数据，以满足互联网数据存取的高性能、易用性、稳定性、一致性和扩展性等方面的需求。

本文简要介绍实现这些结构化索引的经典底层数据结构。包括：

本着归纳总结抛砖引玉的目的，本文试图抓核心要点而非全面细节，读者可以按图索骥，研究和发现更多隐藏的细节。

以下分篇展开各数据结构具体内容的介绍。

哈希表

根据键直接进行访问的数据结构。

关键概念：哈希函数、冲突、装载因子、再哈希(rehashing)

哈希函数：计算键到哈希桶（存储位置）的映射关系。

冲突：不同键由哈希函数计算后映射到同一哈希桶。

装载因子：哈希表存储的键值与哈希桶个数的比值。

再哈希：当装载因子超过预设高值或者低于预设低值（可选）时，需要调整哈希桶的个数和相应键值存储地址，以控制键值查找次数或占用空间。

处理冲突的方式：

1.拉链法，用链表保存冲突值。

2.开放地址法，相邻桶存放冲突值。

图1：拉链法哈希表，来自网络

哈希表直观高效，是最常用的查找类数据结构，标配于主流语言标准库的关联容器、服务器负载均衡策略、各种缓存组件和键值数据库等。

多级哈希

基本概念与哈希表类似，区别在于哈希桶的数据结构。

重要实现细节如下：

1. 使用二维数组存放哈希桶，每个哈希桶对应存储一个键值。

2. 二维数组的每一行称为一阶，为减少冲突，每一阶的哈希桶个数都是素数。

3. 查找时逐阶计算哈希桶地址，遇到冲突时，往下一阶继续查找。

4. 由于冲突概率逐阶减小，每行哈希桶数量逐行减少。

5. 当无法插入数据时，只需继续增加阶数。

图2：多级哈希结构，来自网络

多级哈希实现简单，查询快速，空间利用率高，容易实现并行（高并发）。常用于实现服务器内存缓存结构，尤其是基于共享内存的缓存数据的管理。