cmu15545笔记-数据访问方式：哈希表(Hash Table)
基本概念
哈希和树一样，是数据库系统中用于访问数据的方法。
空间复杂度：\(O(n)\)
时间复杂度：\(O(1)～ O(n)\)
权衡：更大的哈希空间（碰撞减少），还是更少的哈希空间（碰撞处理）？
哈希函数
-
CRC-64(1975)
-
MurmurHash (2008)
-
Google CityHash (2011)
-
Facebook XXHash (2012) 【最常用】
-
Google FarmHash (2014)
哈希结构
两种思路：
- Operating Address【空间换时间】
- Linear Probe Hashing
- Cuckoo Hashing
- Chained Hashing（Bucket）【时间换空间】
- 结合（渐进式扩展哈希空间）
- Extenible Hashing
- Linear Hashing【最常用】
下面探讨如何通过这些机制避免或处理哈希值碰撞。
Linear Probe Hashing
-
碰撞时移动到下一个槽
-
删除时建立墓碑：墓碑可以被新值代替；也可以通过垃圾回收清理
-
非唯一值怎么存：键值同存（如上图所示，每个槽里存放的是键和值）
Cuckoo Hashing
-
基本思想：多哈希函数+鸠占鹊巢
-
注意点：无限循环检测
过程演示：
有空位时：直接占用。
发生碰撞时，如果两个哈希位都已经被占用了，踢出原来的数据，让他重新哈希，以此反复，直到找到空位。
获取时只需要找两个哈希位即可。
Chained Hashing
- 碰撞数据存在哈希桶中，桶满则溢出
- 布隆过滤器加速查询
Extenible Hashing
依照哈希值的位映射到哈希桶。
00和01指向同一个桶是因为复用。
插入C时，对应的哈希桶10已经满了，选择位增加为3，拓展10的哈希空间为100和101，移动数据，尝试插入。
Linear Hashing
基本思想：
-
渐进式扩展：当哈希桶溢出时，不是分裂溢出的哈希桶，分裂指针指向的哈希桶，渐进地扩充所有哈希桶。
-
循环扩展：当本轮所有哈希桶都分裂完后，指针跳转回起始位置，重新开始循环，并丢弃上一轮的哈希函数。
-
查询保证：查找一个数据最多只会有两次哈希。
过程演示：
插入17时，1号哈希桶溢出，扩展0号哈希桶，分裂指针下移；数据8和20对8取模做数据重分布。
查询值20时，对4取模，落到0号桶，由于在分裂指针上方，说明需要再次对8（2n）取模，落到4号桶内，查询得到值20。
垃圾回收：如果最末位的哈希桶为空，可以删除，然后上移分裂指针。
分裂指针走到哪里跳回开头，不会无限循环吗：有变量记录当前轮的截止位置，避免无限循环。
为什么在0号桶对4取模后，再对8取模，得到的结果只会在0和4号桶，而不会到其他比如5，6，7号桶：见下图。
