MySQL的hash索引

 MySQL有B+Tree 索引及Hash索引等索引类型，B+Tree索引类型是MySQL采用最多的索引类型。Hash索引使用场景比较有限，文章将从Hash索引的底层结构出发，来分析Hash索引的利与弊。

1 hash数据结构

hash数据结构由键、哈希函数及哈希表组成。

键：可以是任何字符串或整数，作为哈希函数的输入。

哈希函数：接收输入键并返回值，该值为哈希表的数组元素的索引。

哈希表：以关联方式将数据存储在数组中，其中每个数据值都有自己的唯一索引。

1.1 为什么需要哈希数据结构

我们可以用数组来存储数据，但是在进行数据检索时，需要一个个检索，时间复杂度为O(n)，我们通过哈希数据结构，可以将复杂度缩短为O(1)。

1.2 哈希函数

唯一性	能生成唯一的哈希值。
固定性	生成的哈希值长度是固定的。
不可逆性	一种单向函数，无法从哈希值推导出原始输入。
确定性	给定相同的输入，哈希函数总能生成相同的哈希值。
散列性	输出值看起来是随机的，并且即使输入值只有一点微小的变化，映射出来的哈希值也截然不同。

表 哈希函数的特点

哈希函数主要有以下作用：

1. 具有极强的错误检测能力，输入有很小的不同，输出将会有很大的不同。
2. 数据完整性验证，验证数据在传输或存储过程是否被篡改。当数据被传输或存储时，将原始数据进行哈希求值。然后将哈希值与接收到的数据的哈希值比较，如果两个哈希值不同，则说明数据已被篡改。
3. 密码存储。
4. 哈希表。

哈希函数性能从以下方面来评价：

1. 高效可计算。
2. 均匀地分布键。
3. 尽量减少碰撞。
4. 具有较低的负载系数（项目数/表的大小）,较高的值会减少空间开销哎，但会增加查找成本。

1.2.1 极简的哈希函数-MOD

哈希值 = 键值 MOD X; 即取键值除以X的余数。X最好是素数，这样可以确保哈希值分布更均匀。

比如有键值：2，5，7，9，11。X取值为7.则对应的哈希值分别为：2，5，0，2，4。

这种函数计算键值速度快，但是X取值需要特别的考虑。

1.3 碰撞

不同的键值可能产生相同的哈希值（比如上面的键值2和9），这种情况称为碰撞。在哈希表中，面对这种情况该如何存储值。有两种方案：1）链接法；2）开放寻址。

1.3.1 链接法

发生碰撞时，在对应的哈希表数组位置建立个链式结构，将值分别插入到链式结构中。

图 链接法示意图

1.3.2 开放寻址

所有原始都存储在哈希表本身中，每个哈希表数组元素包含一条记录或NULL。查找元素时，会逐个检查表槽，直到找到所需的元素或者明确该元素不在表中。

线性探测	根据哈希函数计算哈希值为k; 检查hashTable[k]是否为空，为空则直接存储。 不为空，使用 k= (k+1)%size，检查新k的位置是否为空，为空则直接存储。 不为空，则重复第3步，直到找到可存储的空间。
二次探测	计算原始哈希值，并添加任意二次多项式的连续值，直到找到空槽。
双重哈希	利用两个函数f1及f2,先用f1计算哈希值，如果位置不为空，则借助f2来计算新的哈希值。 （f1(k) + i * f2(k)）%n，其中n表示哈希表大小，k是键值，i是碰撞次数。

表 开放寻址的三种算法

2 MySQL的hash索引

MySQL的hash索引采用的是链式哈希表结构。是基于内存的支持，增删改查的时间复杂度都是O(1)。它只适合等值查找，其他查找时，发挥不了作用。

因为hash结构及其基于内存的缘故，hash索引有以下的缺陷：

1. 绝对部分数据存放在磁盘，hash索引无法减少磁盘I/O次数，其只适用于小数据量的等值查询。
2. 不同的键值经过hash计算后，最后的位置非常不确定，没有任何顺序。所以不适合范围、模糊查找及排序。
3. 一旦哈希表扩容，就会导致所有的索引值重新计算存储位置，效率低。

2.1 自适应哈希索引

看似哈希索引百无一用，但是在MySQL中，有一种哈希索引发挥着关键的作用：自适应哈希索引。

索引根据存储形式分为聚集索引及二级索引。当我们使用二级索引进行查询时，MySQL会根据二级索引查询到的主键值，进行回表查询（即再根据主键值来获取该条数据）。频繁的回表查询将会降低查询效率。

自适应哈希索引，是为了避免频繁回表而创建的。MySQL会判断哪些二级索引值是热查询，为它们建立自适应索引，查询时，根据这个索引直接获取数据，而无需通过主键再获取数据。