bill的数据库学习笔记：基于hash的 indexes索引

数据库原理 Hash indexes

• 基于hash的index对于确认的选择是最好的，但是对于范围选择来说效果不佳。
• 基于hash的选择包括静态hashing方法以及动态hashing方法

1. 静态hashing

Pages 是不变的，按sequential的方式分配，不会被重新分配。
如果出现多个pages，则使用overflow。hash到的每一个bucket包含所需要的数据。

• 每个hash function使用key作为参数，必须要从0-M-1进行分配。
• $h(key)=(a\ast key+b)$的当时经常可以很好的运行
• a和b是常数
• overflow的pages的会通过linked list的方式连到每一个bucket的后面。
• 很长的链子会使得整个算法的性能变差

2. Extendible Hashing

• 当bucket被填满时，为何不倍增bucket的数量？
• Idea：使用pointers的列表，doubling directory，并且将一个overflow的bucket进行分为2个。
• directory目录比文件要小的多，所以让他双倍是更加便宜的。只有一个data entries被分成2个，因此不会出现页的overflow。

举个例子：

• 维护Global depth和Local depth2个数
• 当我们尝试insert一个数据时，如果要insert的bucket满了，则将这个bucket split
• 如果有需要，则将目录部分变为原来的2倍

需要doubling的情况

第一种情况，需要doubling，我们可以看到，最开始local depth和global depth都为2，我们尝试输入20，20对应的二进制为10100，则属于bucket A，但是bucket A这里只能有4个数据，那么我们将其进行split为 bucket A和bucket A2，i.e 5个数至少需要3bit来进行区分。
由于其最后2位为0，并且如果考虑最后三位，按照倒数第三位的为0和1进行区分，可以分为 32、16以及4、12、20这2类，那么我们也将directory进行doubling

当local depth大于global depth，则进行directory doubling的操作

Directory Doubling，为何使用least significant

在进行directory doubling的时候，可以直接copy旧的到新的位置最底层的位置

Delete：
如果数据的removal使得bucket空了，则可以进行融合。

3. Linear Hashing

Linear hashing不适用directory的方式来处理overflow chain，并且能够很好的处理duplicates

Idea: 使用很多的hash function