【连载】关系型数据库是如何工作的？（6） - Hash表

最后我们介绍的重要数据结构就是Hash表。当你需要快速查找的时候非常有用，而且理解Hash表会有助于我们以后理解常用数据库Join方式之一Hash join。这种数据结构常被数据库用作存储内部数据结构：表锁或缓存池（后续章节会介绍）。

Hash表能够通过元素Key快速找到元素的，为了构建一张Hash表，你需要定义：

• 一个元素的Key；
• 一个关于Key的Hash函数，Key的hash值就代表元素所在的位置（我们通常称为Hash桶）；
• 一个关于Key的比较函数，一旦你找到了正确的桶，你就可以通过比较函数找到正确的元素。

一个简单的例子

让我们看一个虚拟的例子：

上图中的Hash表实际有10个桶，Hash函数就是取10的余数，也就是每个Key的个位数字：

• 如果个位数是0，则元素在0号桶；
• 如果个位数是1，则元素在1号桶；
• 如果个位数是2，则元素在2号桶；
• …

比较函数就是比较两个整数是否相同的函数。如果我们想要找到78：

• Hash表计算的78的哈希值是8；
• 找到8号桶，第一个元素就是78；
• 返回78；
• 整个搜索花费2个操作：1-计算Hash值；2-找到桶中的元素；

如果我们想要找到59：

• Hash表计算的59的哈希值是9；
• 找到9号桶，第一个元素是99，99！=59，因此这不是我要找的元素；
• 用相同的逻辑找到9，79，…，最后一个29；
• 元素59并不存在；
• 真个搜索花费7个操作。

好Hash函数的标准

标准依赖于你要查找的值，不同类型的值花费是不同的。
如果将之前例子中的Hash函数换为取1 000 000的余数（也就是最后6位数），第二个例子耗费的操作数就会降为1，因为在000059号桶中没有元素。实际上，真正的难点就是找到一个能够尽可能降低每个桶中元素数量的Hash函数。（译者注：我们一般称之为降低Hash冲突）

在上述两个例子中，找到一个好的Hash函数很容易。但是当Key是下列类型时，找到一个好Hash函数很困难：

• 1个字符串，比如一个人的名字；
• 2个字符串，比如一个人的姓+名字；
• 2个字符串和一个日期，比如一个人的姓+名字+出生日期。

只要拥有一个足够好的Hash函数，搜索的时间复杂度就是O(1)。

数组和Hash表的比较

什么情况下需要使用数组呢？这是一个好问题！

• 基于Hash的数据库表，可以在内存中只加载一般的桶，其他桶可以留在磁盘上；
• 数组必须占用一个连续的内存空间，如果一个基于二维数组的数据库表很大，那么要在内存中找到足够的连续空间很困难；
• 基于Hash的数据库表，你可以选择任意的Key，比如可以选择Key为国家+名字。

关于更多的信息，可以参考我写的另外一篇文章Java HashMap。但理解这篇文章并不要求你理解Java。

下一章我们来开始介绍数据库的整体视图。