2021SC@SDUSC

Hash索引

postgreSQL除了可以使用B-Tree索引，也可以使用Hash索引，Hash索引拥有更快的查询速率，我们本篇主要讲解一下Hash索引的原理并且比较它与B-Tree的区别，同时分析源码中关于Hash索引的相关的数据结构。

Hash索引原理

Hash表

哈希表也为散列表，其原理如下图所示

Hash索引的核心是构建一个Hash表，主要原理就是在Hash表中有一个Hash函数，通过查找键为参数，计算出映射到的桶号，将键值分配到各个桶中。然后仍然需要遍历桶中的内容，并仅返回具有适当哈希码的匹配ctid（行号）。由于存储的“hash code - ctid”对是有序的，因此可以高效地完成此操作。
同时Hash索引表可以分为静态Hash表和动态Hash表，静态Hash表不会增加桶的数目，而动态Hash表可以动态增加桶的数目。PostgreSQL则使用了动态Hash表的结构

Hash索引结构

每一个Hash索引结构如下所示，每一个Hash索引都有四种类型的页面，分别为元页，桶页，溢出页，位图页，接下来会介绍下关于Hash索引的相关的数据结构。

Hash的页面结构

Hash的页面结构与B-Tree相似，而其special space的字段填充为HashPageOpaqueData结构，我们从pg的源码找出该结构typedef struct HashPageOpaqueData
{BlockNumber hasho_prevblkno;   /*  前一页的块号*/BlockNumber hasho_nextblkno;    /*  下一页的块号*/Bucket      hasho_bucket;   /* 属于某个桶页的桶号*/uint16        hasho_flag;     /* 标注该页的所属类型 */uint16       hasho_page_id;  /* 该页的Hash索引Id*/
} HashPageOpaqueData;

元页

每个Hash索引都有一个元页，它是该索引的初始页面，它也不属于任何桶，它记录了Hash的版本号，Hash索引记录的索引元组数目，桶的信息，位图等相关信息，其他页的信息也与元页息息相关，我们来看一下pg源码中的元页的数据结构：

typedef struct HashMetaPageData
{uint32     hashm_magic;    /*Hash表的magic号*/uint32      hashm_version;  /* Hash版本号 */double     hashm_ntuples;  /*存储元组的数目*/uint16       hashm_ffactor;  /* 与分裂有关*/uint16        hashm_bsize;    /* 桶的大小*/uint16     hashm_bmsize;   /* 位图的大小，必须是2的幂次 */uint16        hashm_bmshift;  /* log2(位图数组的大小） */uint32        hashm_maxbucket;    /* 可用的最大桶号 */uint32     hashm_highmask; /* 桶号的高16位掩码*/uint32        hashm_lowmask;  /* 桶号的低十六位掩码 */uint32       hashm_ovflpoint;    /* 分裂次数 */uint32        hashm_firstfree;    /* 第一个可能的溢出页号*/uint32       hashm_nmaps;    /* 位图的个数 */RegProcedure hashm_procid;   /* Hash函数的OID*/uint32       hashm_spares[HASH_MAX_SPLITPOINTS]; /* 总共分配的溢出页数目 */BlockNumber hashm_mapp[HASH_MAX_BITMAPS];   /*位图的块号*/
} HashMetaPageData;

桶页，溢出页，位图页

桶页：Hash表有多个桶组成，每个桶有一个或多个页组成，每一个桶的第一个页叫做桶页，其他页面称作溢出页，桶页成2的幂次分配，当在元页中记录的splitpoint增加时，桶页成2的幂次增长。
溢出页：当一个元组的内容超过桶页的大小时，需要给该桶增加一个溢出页，溢出页和桶页是通过双向链链接起来的。
位图页：用于管理Hash索引的溢出页和位图页本身的使用情况，如果某个溢出页上的元组都被移除，则将溢出页回收。位图的页面格式如下图所示，他是用比特位来表示位图页或者溢出页是否可用，0不可用，1可用

和B-Tree相比的优缺点

优点

Hash索引的执行效率很快，时间复杂度低，，索引检索一次到位你，不需要和B-Tree索引一样由根节点再到叶子节点，可以用于等值查询，以及btree索引不支持的大字段类型

缺点

1.由于Hash索引指向的数据是无序的，Hash索引不能进行范围查询，而B+树可以。
2.Hash索引无法被用来避免数据的排序操作。Hash索引中存放的是经过Hash计算之后的Hash值，而且Hash值得大小关系不一定和Hash运算前的键值完全一样。
3当产生大量的Hash冲突时，Hash索引的执行效率会降低，浪费多次数据的访问。

总结

postgreSQL的Hash 索引的相关算法主要是由Margo Seltzer and Ozan Yigit提出的，使用动态索引表，页面结构由元页，位图页，桶页，溢出页来共同组成并介绍了相关数据结构，下一篇我们进行对于Hash索引建立的相关讲解。

postgreSQL源码分析——索引的建立与使用——Hash索引(1)相关推荐

PostgreSQL源码分析
PostgreSQL源码结构 PostgreSQL的使用形态 PostgreSQL采用C/S(客户机/服务器)模式结构.应用层通过INET或者Unix Socket利用既定的协议与数据库服务器进行通信 ...
postgreSQL源码分析——索引的建立与使用——GIST索引（2）
2021SC@SDUSC 本篇博客主要讲解GiST索引创建以及删除的相关函数这里写目录标题 GIST创建相关数据结构 GISTBuildState GISTInsertStack gistbuil ...
postgreSQL源码分析——索引的建立与使用——Hash索引(3)
2021SC@SDUSC 上一篇博客讲了关于Hash索引创建与插入的相关函数,这一篇博客讲述关于溢出页的操作函数以及Hash表的扩展相关的函数. 目录溢出页的分配和回收 _hash_addovflp ...
postgreSQL源码分析——索引的建立与使用——Hash索引(2)
2021SC@SDUSC 目录 Hash索引创建 hashbuild函数 _hash_init函数 Hash索引的插入 hashinsert函数 _hash_doinsert函数总结 Hash索引创 ...
postgreSQL源码分析——索引的建立与使用——各种索引类型的管理和操作（2）
2021SC@SDUSC 目录上层操作函数 index_open index_beginscan() index_create() indexcmd.c 下层接口函数 IndexScanDescDa ...
postgreSQL源码分析——索引的建立与使用——各种索引类型的管理和操作（1）
2021SC@SDUSC 目录概述管理索引的系统表记录索引相关的系统表与索引系统表相关的后端源码索引的操作函数上层操作函数下层接口函数概述索引是指按表中某些关键属性或表达式建立元组的 ...
postgreSQL源码分析——索引的建立与使用——总结篇
2021SC@SDUSC 在小组中我负责索引的建立与使用的相关部分,在此一共写了16篇相关的分析报告,着重分析各种索引的操作和管理方法,以及分析了PG中四种最重要的索引B-Tree索引,Hash索引, ...
postgreSQL源码分析——索引的建立与使用——B-Tree索引(3)
2021SC@SDUSC 目录 B-Tree的插入 bt_insert _bt_doinsert BTInsertStateData _bt_search函数 _bt_moveright函数 B-Tr ...
postgreSQL源码分析——索引的建立与使用——B-Tree索引(2)
2021SC@SDUSC 目录 B-Tree建立过程 IndexAmRoutine BTBuildState BTWriteState btbuild() _bt_leafbuild _bt_load ...

postgreSQL源码分析——索引的建立与使用——Hash索引(1)

目录