SQL进阶理论篇（五）：什么是Hash索引

简介

hash，即哈希，也被称为是散列函数。

Hash在数据库中的应用，可以帮助我们大幅度提升检索数据的效率。

大名鼎鼎的MD5其实就是Hash函数的一种变体。

Hash算法，是通过某种确定性的算法（如MD5、SHA1、SHA2、SHA3）来将输入转换为输出。相同的输入永远会得到相同的输出。

采用Hash进行检索的效率非常高，基本上一次检索就可以找到数据，而B+树需要从上至下依次访问多个节点之后才能找到数据，从效率上来讲，Hash的效率要高于B+树。

Hash索引的示意图如下：

在这里插入图片描述

键值Key通过Hash映射后找到自己的桶bucket。这里的bucket指的是一个能存储一条或者多条记录的存储单位。一个桶可以理解成是一个链表，当遇到Hash冲突的时候（Hash值相同），会在桶里进一步进行键值的查找，从而找到最终的数据行。

什么是Hash冲突呢？

如果桶的数量小于输入的数量，那么势必会出现不同的输入被映射到同一个桶里的情况，这时候就会产生Hash冲突，如果Hash冲突的量很大，就会影响读取的性能。

在简单的应用下，Hash的字节数一般比较少，比如4个字节。多的情况下可以是16位或者是32位。比如说采用MD5函数，就可以得到一个16位或者32位的数值，32位的MD5就已经足够安全了，重复率非常低。

Hash索引无法进行区间查询，因为Hash索引指向的数据是无序的。B+树可以，是因为B+树的叶子节点是个有序链表。
Hash索引不支持联合索引的最左侧原则（其无法使用联合索引的部分索引，要用的话只能全用），而B+树支持。这是因为Hash索引在计算Hash值的时候，是将所有索引键合并后统一计算Hash值，而不会对每个索引键单独计算Hash。
Hash索引不支持order by排序，因为其指向的数据是无序的，无法排序优化；
Hash索引无法进行模糊匹配，因为即使输入数据有一丁点差异，输出都会千差万别。

对于等值查询来讲，通常Hash索引的效率更高，除非是索引项的重复值过多，即Hash冲突的现象过于严重。这是因为遇到Hash 冲突的时候，就需要遍历桶中的链表来一个一个比较，从而找到待查询的关键字，这个遍历的过程是很耗时的。所以，Hash索引通常不会用到重复值多的列上。比如说性别。