CMU15445 2022 笔记（Hash table & B++ Tree）

6、Hash Tables

（帮助执行器，去文件页里面读取需要的文件）是k/v结构，k来之后需要用hash函数进行编码。

空间复杂度O（n），时间复杂度O(1)，最差O（n）--所有的key都是一样，退化成链表

static hash TABLE：

一个定长的数组，进来的key用最简单的取余或者取模的方式得出一个值作为其存放的地址。保证不管多大的数都能有位置进行存储，前提是一个所有的hash值都是唯一的

设计哈希表的问题：1、hash 函数，哈希函数速度快则容易碰撞 2、原始静态哈希表不能处理碰撞，小表和大表的权衡，小表意味着更加频繁的碰撞，就需要额外的查找和插入操作。

hash Functions：送进去一个数，出来一个数组整数。不要用加密的hash函数（无法反译），常用的函数：

开放地址哈希：

linear probe hashing：碰撞的话，则往后顺延，

但是删除时容易出错，例如删除C之后删除D，hash无法找到D的位置，会以为D已经被删除，解决方法：Tombstone（设置墓碑标记）；Movement（对删除之后的数据进行整理）

Non-unique key（重复键）：解决方法 1、用指针指向对应值的数据结构

2、redundant key：将值和键拼到一块当成新的键。

robin hood hashing

除了键值之后，后面还带着标志，被记为后推了几位。需要比对【】中的值，不要出现【】中特别大的值。

cuckoo hashing

第一步先插入A，多个表都没有发生碰撞则随机插入一个表即可，第二步插入B，同插入A；第三步，插入C发现和B碰撞了则挤掉B的位置，让B去表1，然后B又把A给挤掉了，再给A找位置，直到最后都不产生碰撞。

动态哈希表结构：

静态的哈希结构的大小是定死的不能进行伸缩，限制较多。

chained hashing（拉链式的哈希）：

四个指针，指针指向后面的桶，若后面的桶容量不够则继续往后延伸，一直继续下去。java中如果链表特别长则会转化为红黑树。go中会延伸出溢出桶。hash槽是定的。

extenndible hashing（可扩展的哈希）：

标志位为2，则只看前两位，标志位为1则只看一位。若后边的桶满了，则将全局的标志位改为3，后面的进行rehash；每次目录分裂都是两倍的形式，然后再桶分裂（只有溢出的桶需要重新hash）

linear hashing：

split Point指向槽点，当发现1满了之后会从指针指向的点开始进行分家，并添加一个槽位4，然后启用新的hash2函数对0中原有的值进行hash，再将其分配到对应的槽中。而后指针下移。当查找一个数时，也会通过指针的位置判断其是否分家，根据不同的情况来决定启用那个hash函数。后面的也按照这个步骤进行上述操作。

7、B++ Tree

表的索引：原数据表的一个副本，例如抽取公司所有人的年龄抽取出来做一个小表，数据与原数据是同步的。目的是，执行时可以加速执行。

B+树

自平衡的数据结构，可以增删改查，线性遍历，时间复杂度可以控制在O（log n）。

一个父节点有m个子节点，每个节点有m/2 -1 到 m-1个数据，上层只是一个索引，最终的数据都在最下层，可以通过上层的索引进行查找，节点中也是一堆k/v，其中k是我们要索引的值，v的话分为中间节点（下一层孩子的地址）和叶子节点（行id或行地址）

leaf node value

1、Record IDs：行ID 2、k是要索引的列，v就是整个行数据（主键索引的方式）

B树和B+树：B树中间节点可以当节点也能当数据，更加高效。

B++树支持跳跃搜索，

B++树的插入，删除：要找到数据，并观察操作之后的数据，如果太少了就要与其他的数据进行合并；如果插入数据重复了，则在key后面附加行号之类。

聚簇索引是有序的，非聚簇索引遍历要增加顺序方案

B+树节点的大小，磁盘速度越低则b+树的节点尺寸越大越好，最好和文件页的大小一致

节点合并的阈值是需要设定的。

变长的key，处理方案：1、存的是指针 2、 b+树原本的节点就是变长的（但是很少用） 3、添加填充，如果数据不到要求则进行补长 4、存槽，槽指向数据

节点内部搜索：1、线性搜索顺序搜索 2、二分查找 3、推断查找，自主推断规律，按照规律进行

B+树优化

1、前缀压缩

2、去除冗余

3、按批次插入，如果要插入一组树，则先将插入的排成一个B+树，再将这个数放到主树