SQL Server2014 哈希索引原理

翻译自：http://www.sqlservercentral.com/blogs/sql-and-sql-only/2015/09/08/hekaton-part-6-hash-indexes-intro/

跟哈希 join，哈希聚合的原理一样，了解哈希索引的原理也会同时明白哈希 join和哈希聚合的原理

SQL Server 2014推出的的新索引类型叫做 hash index。介绍hash index之前一定要介绍哈希函数这样会让大家更明白哈希索引的原理

当一个key-value键值对传递给一个哈希函数的时候，经过哈希函数的计算之后，根据结果会把key-value键值对放在合适的hash buckets（哈希存储桶）里

举个栗子

我们假设对10取模（ % 10 ）就是哈希函数。如果key-value键值对的key是1525 ，传递到哈希函数，那么1525 会存放在第五个bucket里

因为5 as 1525 % 10 = 5。

同样，537 会存放在第七个bucket ，2982 会存放在第二个bucket ，依次类推

同样，在hash index里面，哈希索引列会被传递给哈希函数做匹配（类似于java里面的HashMap的Map操作），匹配成功之后，

索引列会被存储在匹配到的hash bucket里面的表里，这个表里会有实际的数据行指针，再根据实际的数据行指针查找对应的数据行。

概括来说，要查找一行数据或者处理一个where子句，SQL Server引擎需要做下面几件事

1、根据where条件里面的参数生成合适的哈希函数

2、索引列进行匹配，匹配到对应hash bucket，找到对应hash bucket意味着也找到了对应的数据行指针（row pointer）

3、读取数据

哈希索引比起B树索引简单，因为它不需要遍历B树，所以访问速度会更快

哈希函数和相应语法的例子

CREATE TABLE dbo.HK_tbl
    (
      [ID] INT IDENTITY(1, 1)
               NOT NULL
               PRIMARY KEY NONCLUSTERED HASH WITH ( BUCKET_COUNT = 100000 ) ,
      [Data] char(32) COLLATE Latin1_General_100_BIN2
                      NULL ,
      [dt] datetime NOT NULL,
    )
    WITH (
         MEMORY_OPTIMIZED =
         ON,
         DURABILITY =
         SCHEMA_AND_DATA);

在SQL Server 2014里面，内存优化表创建完之后就不能再加哈希索引了，但是在 SQL Server 2016 里支持表创建完之后添加哈希索引，不过

添加哈希索引是一个离线操作。

哈希索引的Bucket 数量

( BUCKET_COUNT = 100000 )定义了哈希索引能够使用的BUCKET数量，这个Bucket 是固定的并且由用户指定Bucket 数量，

而不是执行查询的时候由SQL Server决定生成的Bucket 数量。BUCKET数量总是2的次方的四舍五入( 1024, 2048, 4096 etc..)

BUCKET_COUNT 的数量一定要设置合适，否则哈希冲突太多，反而性能会下降

SQL Server2014的哈希索引其实跟MySQL的自适应哈希索引原理其实差不多，都是为了摆脱B树的束缚，使查找效率更快

How does a relational database work这篇文章也有描述hash join的原理，大家可以看一下

http://mysql.taobao.org/monthly/2019/11/02/#jump
一个hash join算法实现需要三个步骤：
选择合适的连接参与表作为内表（build table），构建hash表；
然后使用另外一个表（probe table）的每一条记录去探测第一步已经构建完成的哈希表寻找符合连接条件的记录；
输出匹配后符合需求的记录；
哈希连接根据内存是否能够存放的下hash表

相关文章

MySQL Adaptive hash index

java HashMap那点事

How does a relational database work

如有不对的地方，欢迎大家拍砖o(∩_∩)o