Extendible Hashing

Extendible Hashing

刚学习完CMU1545的哈希索引，对于课上的例子理解不是很深，特此巩固

---

Extendible Hashing

可扩展哈希是一种动态哈希方法，可以自动的进行增长，结构为桶+目录。主要分类的方式是通过哈希函数处理后的key的高（低）位进行分类，类似于数据结构中的桶排序。

一、名词介绍

含有数据结构：

目录（Dictionary）：存储指向桶的指针，大小为2^全局深度。
全局深度（Global Depth）：表示目录对桶进行分类的位数，如全局深度=2时，就采用高（低）2位进行分类，即：00,01,10,11。
桶（Buckets）：存储值。
局部深度（Local depth）：根据全局深度来确定等会扩展的时候的操作。

操作

桶分裂（Bucket Splitting）：当桶内元素溢出时，进行分裂动作。
目录扩展（Directory Expansion）：当桶元素溢出时，进行目录扩展操作。

二、基本操作

1.操作流程

1. 哈希处理：这是一种Hashing Scheme，所以接收的数据为经过哈希函数处理过后的值。这个值我们并不纠结于是什么，但需要转换为二进制格式。
2. 查看全局深度。如全局深度为2，则提取输入数据的高（低）2位作为索引。如输入数据为1000101，则我们需要使用高（低）两位10（01）作为索引。（注：为了方便，我们统一使用高位作为例子，低位操作同理即可）。
3. 查看目录表，将数据放入10所指向的桶中。
   • 如果桶未满，直接放入即可。
   • 如果桶满了，需要进行桶分裂和目录扩展的操作。
4. 重复以上操作

2.桶满时操作

当桶满了时候，需要进行目录扩展和桶分裂，这也是此方法的精华之处。

1. 检查局部深度和全局深度的关系
   case 1：
   1、如全局深度等于局部深度，则需要进行目录扩展和桶分裂。此时目录的全局深度+1，溢出桶在保留元素后删除。
   2、对数据进行重新的散列操作，将原有数据分为两个桶后，依据现有的目录重新插入数据。
   eg：原有全局深度为2，桶01此时满员。在桶满了之后则变为3，使用高3位：010和011进行索引。此时溢出的桶被删除，新增两个桶分别由010和011指向，局部深度=全局深度，并对满桶的数据进行散列操作，将数据分散到这两个桶中。
   case 2：
   1、如全局深度大于局部深度，无需进行目录扩展，因为别的桶已经扩展完了。这点之后的例子会直观的展示。因此只需要进行桶分裂，步骤和case1相同。

3.例子

此例参考CMU15-445 Hash Index与https://www.geeksforgeeks.org/extendible-hashing-dynamic-approach-to-dbms/

我们假设：桶大小为3，hash函数为恒等函数即H = key，插入值为整型数

3.1初始化

将每个整数拆分为二进制数，此时我们使用16、4、6、22、24、10、31、7数进行插入操作。则上述整型数的二进制为：
16- 10000
4- 00100
6- 00110
22- 10110
24- 11000
10- 01010
31- 11111
7- 00111

最初，全局深度=局部深度=1，因为目录中只有0,1两页。如图所示：

三个1代表了全局和局部深度

3.2 插入

此时插入16，因为二进制为10000，高1位为1，则插入1指向的桶中

此时插入4，因为二进制为00100，高1位为0，则插入0指向的桶中

…………
插入到10，此时变成了这样

之后插入31，因为31的二进制为11111，理应放入1所指向的桶中

但是因为桶容量为3，出现了桶溢出！
判断：全局深度=目录中1指向的桶的局部深度，因此进行目录扩展和桶分裂
1、目录扩展：全局深度++，此时目录的内容为（暂时不管桶的指向）

2、因为只是1指向的桶发生了分裂，因此0指向的桶不进行桶分裂，将00和01两页一起指向之前0指向的桶，即：

此时该桶的局部深度不变，表示没有发生桶分裂

3、将溢出桶进行桶分裂，即将原有的数据按照现在目录重新计算并放入新桶中，新桶的局部深度=全局深度=2

16的二进制为10000，高2位为10，因此放入10指向的桶中
22的二进制为10110，高2位为10，因此放入10指向的桶中
24的二进制为11100，高2位为11，因此放入11指向的桶中
31的二进制为11111，高2位为11，因此放入11指向的桶中

此时，图变成了这样：

之后继续插入7，二进制为00111，高2位为00，插入00的桶中。但此时00的桶已经满了，因此发生了溢出。
判断：全局深度＞局部深度，因此不进行目录扩张，仅仅进行桶分裂

从此，插入步骤结束

2.读取数据和删除数据

读取和删除也是根据哈希值找到对应的桶，对桶内数据进行遍历。

---

总结

优点：
1、检索块
2、不会发生数据丢失
3、值动态更新
缺点：
1、如果在同一目录上散列多个记录，同时保持记录分布不均匀，则目录大小可能会显着增加。
2、每个桶的大小是固定的。
3、当全局深度和局部深度差异变得很大时，指针会浪费内存。
4、这种方法编码起来很复杂。