COMP9315 week5b 课堂笔记

Hash帮助优化query time：如果query拥有相同的value，通过hash函数快速定位到相同的page。
在hash时，有时候不同值落在了同一个点，这就是hash collision problem（哈希冲突），但时每个bucket都有很多空间，所以不用担心这个问题。

ka是一个words的数组，它的起始与byte stream 的起始一样，如果K不能被4整除，会产生alignment error。所以我们假设K起始于一个4byte的边界，然后视ka为一个4bytes的数组，即无符号整数。（即把ka这个bytes address看作一个uints的数组）。

ka+=3是指越过3个4bytes，即12。

两种衡量Hash的方法：
(1)L指有多少available的capacity可用(load factor)。
r是tuples的总数。
b是pages的总数。
c是每个page能容纳tuples的数。
bc是data file能容纳多少tuples。
当L接近于1时非常好。

(2)让overflow page越少越好。
平均overflow chain的长度：Ov=b(ov)/b

最好情况: hash file满了且没有overflow pages。
最坏情况：hash value等于0。与Heap file一样。
平均情况：0.75<=load factor L<=0.9, 0<Ov<1

Hashing的Selection

通过hash找到对应的Page，如果在page里就返回tuple，不在就搜索它的overflow pages，如果有则返回tuple。
如果没有找到则返回null。

最好的情况：直接在hash返回的page上找到tuple。所以是1.
平均情况：在hash返回的page上没找到，再寻找一半的overflow pages找到tuple。所以是1+Ov/2。
最坏情况：page上有最长的的overflow chain。

通过Hash function得到Page：

Select 不唯一的keys（pmr）：
所有相同的都存在于一个bucket中。
找到hash对应的page，搜索它的overflow page。
如果Ov很小，则是一个很好的cost。

Select with hashing in range queries

Hash对range queries无效，大部分的Hash function不能保留顺序。除非attribute是离散的且hash function确保tuple根据hash key的顺序在data file中存储，比如要查询年龄20～30，则run query 20,21,…30。

Hashing的Insertion