深入理解MySQL——哈希索引

哈希索引

哈希索引（hash index）基于哈希表实现，只有精确匹配索引所有列的查询才有效。对于每一行数据，存储引擎都会对所有的索引列计算一个哈希码（hash code），哈希码是一个较小的值，并且不同键值的行计算出来的哈希码也不一样。哈希素引将所有的哈希码存储在索引中，同时在哈希表中保存指向每个数据行的指针。

在 MySQL中，只有 Memory 引擎显式支持哈希索引。这也是 Memory 引擎表的默认索引类型，Memory 引擎同时也支持 B-Tree 索引。值得一提的是，Memory 引擎是支持非唯一哈希索引的，这在数据库世界里面是比较与众不同的。如果多个列的哈希值相同，素引会以链表的方式存放多个记录指针到同一个哈希条目中。

下面来看一个例子。假设有如下表∶

CREATE TABLE testhash(
	fname VARCHAR(50) NOT NULL,  
	lname VARCHAR(50) NOT NULL,  
KEY USING HASH(fname)) 
ENGINE=MEMORY;

表中包含如下数据∶

sywf@localhost:[test]>select *  from testhash;
+-------+-----------+
| fname | lname     |
+-------+-----------+
| Arjen | Lentz     |
| Baron | Schwartz  |
| Peter | Zaitsev   |
| Vadim | Tkachenko |
+-------+-----------+
4 rows in set (0.00 sec)

假设索引使用假想的哈希函数f()，它返回下面的值（都是示例数据，非真实数据）;

f('Arjen') = 2323 
f('Baron') = 7437 
f('Peter') = 8784 
f('Vadim') = 2458

则哈希索引的数据结构如下∶

槽（Slot）	值（Value）
指向第1行的指针	2323
指向第4行的指针	2458
指向第2行的指针	7437
指向第3行的指针	8784

注意每个槽的编号是顺序的，但是数据行不是。现在，来看如下查询∶

ljc@localhost:[test]>SELECT lname FROM testhash WHERE fname='Peter';

MySQL先计算’Peter’的哈希值，并使用该值寻找对应的记录指针。因为f（‘Peter’）=8784，所以MySQL在索引中查找8784，可以找到指向第3行的指针，最后一步是比较第三行的值是否为’Peter’，以确保就是要查找的行。

因为索引自身只需存储对应的哈希值，所以索引的结构十分紧凑，这也让哈希索引查找的速度非常快。然而，哈希索引也有它的限制∶

• 哈希索引只包含哈希值和行指针，而不存储字段值，所以不能使用索引中的值来避免读取行。不过，访问内存中的行的速度很快，所以大部分情况下这一点对性能的影响并不明显。

• 哈希索引数据并不是按照索引值顺序存储的，所以也就无法用于排序。

• 哈希索引也不支持部分索引列匹配查找，因为哈希索引始终是使用索引列的全部内容来计算哈希值的。例如，在数据列（A，B）上建立哈希索引，如果查询只有数据列A，则无法使用该索引。

• 哈希索引只支持等值比较查询，包括=、IN()、<=>（注意<>和<=>是不同的操作）。
  也不支持任何范围查询，例如 WHERE price > 100。

• 访问哈希索引的数据非常快，除非有很多哈希冲突（不同的索引列值却有相同的哈希值）。当出现哈希冲突的时候，存储引擎必须遍历链表中所有的行指针，逐行进行比较，直到找到所有符合条件的行。

• 如果哈希冲突很多的话，一些索引维护操作的代价也会很高。例如，如果在某个选择性很低（哈希冲突很多）的列上建立哈希索引，那么当从表中删除一行时，存储引擎需要遍历对应哈希值的链表中的每一行，找到并删除对应行的引用、冲突越多，代价越大。

因为这些限制，哈希索引只适用于某些特定的场合。而一旦适合哈希索引，则它带来的性能提升将非常显著。举个例子，在数据仓库应用中有一种经典的"星型"schema，需要关联很多查找表，哈希索引就非常适合查找表的需求。