25-hash索引的底层原理是什么.pdfVIP

25-Hash索引的底层原理是什么？25-Hash索引的底层原理是什么？ 我们上节课讲解了B+树的原理，今天我们来学习下Hash的原理和使⽤。Hash本⾝是⼀个函数，⼜被称为散 列函数，它可以帮助我们⼤幅提升检索数据的效率。打个⽐⽅，Hash就好像⼀个智能前台，你只要告诉它 想要查找的⼈的姓名，它就会告诉你那个⼈坐在哪个位置，只需要⼀次交互就可以完成查找，效率⾮常⾼。 ⼤名⿍⿍的MD5就是Hash函数的⼀种。 Hash算法是通过某种确定性的算法（⽐如MD5、SHA1、SHA2、SHA3）将输⼊转变为输出。相同的输⼊永 远可以得到相同的输出，假设输⼊内容有微⼩偏差，在输出中通常会有不同的结果。如果你想要验证两个⽂ 件是否相同，那么你不需要把两份⽂件直接拿来⽐对，只需要让对⽅把Hash函数计算得到的结果告诉你即 可，然后在本地同样对⽂件进⾏Hash函数的运算，最后通过⽐较这两个Hash函数的结果是否相同，就可以 知道这两个⽂件是否相同。 Hash可以⾼效地帮我们完成验证的⼯作，它在数据库中有⼴泛的应⽤。今天的课程主要包括下⾯⼏个部 分： 1.
动⼿写程序统计⼀下Hash检索的效率。 2.
了解MySQL中的Hash索引，理解使⽤它的优点和不⾜。 3.
Hash索引和B+树索引的区别以及使⽤场景。 动⼿统计Hash检索效率 动⼿统计Hash检索效率 我们知道Python的数据结构中有数组和字典两种，其中数组检索数据类似于全表扫描，需要对整个数组的 内容进⾏检索；⽽字典是由Hash表实现的， 的是key-value值，对于数据检索来说效率⾮常快。 对于Hash的检索效率，我们来个更直观的认知。下⾯我们分别看⼀下采⽤数组检索数据和采⽤字典 （Hash）检索数据的效率到底有怎样的差别。 实验1：在数组中添加10000个元素，然后分别对这10000个元素进⾏检索，最后统计检索的时间。 代码如下： import time # 插⼊数据 result = [] for i in range(10000): result.append(i) # 检索数据 time_start=time.time() for i in range(10000): temp = result.index(i) time_end=time.time() print(检索时间, time_end-time_start) 运⾏结果： 检索时间为1.2436728477478027秒 实验2：采⽤Hash表的形式 数据，即在Python中采⽤字典⽅式添加10000个元素，然后检索这10000个 数据，最后再统计⼀下时间。代码如下： import time # 插⼊数据 result = {} for i in range(1000000): result[i] = i # 检索数据 time_start=time.time() for i in range(10000): temp = result[i] time_end=time.time() print(检索时间：,time_end-time_start) 运⾏结果： 检索时间为0.0019941329956054688秒。 你能看到Hash⽅式检索差不多⽤了2毫秒的时间，检索效率提升得⾮常明显。这是因为Hash只需要⼀步就 可以找到对应的取值，算法复杂度为O(1)，⽽数组检索数据的算法复杂度为O(n)。 MySQL中的Hash索引 MySQL中的Hash索引 采⽤Hash进⾏检索效率⾮常⾼，基本上⼀次检索就可以找到数据，⽽B+树需要⾃顶向下依次查找，多次访 问节点才能找到数据，中间需要多次I/O操作，从效率来说Hash⽐B+树更快。 我们来看下Hash索引的⽰意图： 键值key通过Hash 找到桶bucket。在这⾥桶（bucket）指的是⼀个能 ⼀条或多条 的 单 位。⼀个桶的结构包含了⼀个内存指针数组，桶中的每⾏数据都会指向下⼀⾏，形成链表结构，当遇到 Hash 时，会在桶中进⾏键值的查找。 那么什么是Hash 呢？ 如果桶的空间⼩于输⼊的空间，不同的输⼊可能会 到同⼀个桶中，这时就会产⽣Hash ，如果Hash 的量很⼤，就会影响