Hash 索引在 MySQL 中使用的并不是很多,目前主要是 Memory和NDB Cluster存储引擎使用。所谓 Hash 索引,实际上就是通过一定的 Hash 算法,将须要索引的键值进行 Hash 运算,然后将得到的 Hash 值存入一个 Hash 表中。每次须要检索的时候,都会将检索条件进行相同算法的 Hash 运算,再和Hash 表中的 Hash 值进行比较,并得出相应的信息。
在 Memory 存储引擎中,MySQL 还支持非唯一的 Hash 索引。可能很多人会比较惊讶,如果是非唯一的 Hash 索引,那相同的值该如何处理呢?在 Memory 存储引擎的 Hash 索引中,如果遇到非唯一值,存储引擎会将它们链接到同一个Hash 键值下,并以一个链表的形式存在,然后在取得实际键值时过滤不符合的键。
由于 hash 索引结构的特殊性,其检索效率非常高,索引的检索可以一次定位,不像b-tree 索引需要从根节点到枝节点,最后才能访问到页节点这样多次的io访问,所以 hash 索引的查询效率要远高于 b-tree 索引。
任何事物都是有两面性的,Hash 索引也一样,虽然 Hash 索引效率高,但是 Hash 索引本身由于其特殊性也带来了很多限制和弊端,主要有以下这些:
(1)Hash 索引仅仅能满足"=","IN"和"<=>"查询,不能使用范围查询。
由于 Hash 索引比较的是进行 Hash 运算之后的 Hash 值,所以它只能用于等值的过滤,不能用于基于范围的过滤,因为经过相应的 Hash 算法处理之后的 Hash 值的大小关系,并不能保证和Hash运算前完全一样。
(2)Hash 索引无法被用来避免数据的排序操作。
由于 Hash 索引中存放的是经过 Hash 计算之后的 Hash 值,而且Hash值的大小关系并不一定和 Hash 运算前的键值完全一样,所以数据库无法利用索引的数据来避免任何排序运算;
(3)Hash 索引不能利用部分索引键查询。
对于组合索引,Hash 索引在计算 Hash 值的时候是组合索引键合并后再一起计算 Hash 值,而不是单独计算 Hash 值,所以通过组合索引的前面一个或几个索引键进行查询的时候,Hash 索引也无法被利用。
(4)Hash 索引在任何时候都不能避免表扫描。
前面已经知道,Hash 索引是将索引键通过 Hash 运算之后,将 Hash运算结果的 Hash 值和所对应的行指针信息存放于一个 Hash 表中,由于不同索引键存在相同 Hash 值,所以即使取满足某个 Hash 键值的数据的记录条数,也无法从 Hash 索引中直接完成查询,还是要通过访问表中的实际数据进行相应的比较,并得到相应的结果。
(5)Hash 索引遇到大量Hash值相等的情况后性能并不一定就会比B-Tree索引高。
对于选择性比较低的索引键,如果创建 Hash 索引,那么将会存在大量记录指针信息存于同一个 Hash 值相关联。这样要定位某一条记录时就会非常麻烦,会浪费多次表数据的访问,而造成整体性能低下。
举例说明
hash确实是一种高效的查找索引,我们可以用CRC32或者FNV64l来模拟hash索引。
存在表:
create table url_visit_times (
id int auto increment,
url varchar(255) not null,
url_crc int unsigned not null default 0,
primary key (id)
)
然后在url_crc中存储hash值,根据url查找数据的时候,取而代之用url_crc来匹配。
创建触发器:
delimiter //
create trigger url_crc before insert on url_visit_times for each row begin
set new.url_crc = crc32(new.url);
end
//
create trigger url_crc_update before update on url_visit_times for each row begin
set new.url_crc = crc32(new.url);
end
//
delimiter ;
根据url查询的sql被修改为:
select * from url_visit_times where url_crc = crc32('http://www.');
比原始的
select * from url_visit_times where url = 'http://www.';
要快很多。
感兴趣的同学可以对比一下根据url查询和根据url_crc查询的效率问题。
避免hash冲突,当数据量很大的时候查找需要附加上url的具体匹配,即:
select * from url_visit_times where url_crc = crc32('http://www.') and url = 'http://www.';