MySQL技巧--伪哈希索引

哈希索引

　　哈希索引就是通过一个哈希函数计算出某个key的hash值，并以这个hash值去找到目标数据。例如：对于数据库的一行数据，对其主键进行hash运算，得到一个地址，这个地址指向这行记录的存储地址，key与hash值的对应关系就构成了哈希索引。根据某一列进行查询时，如果为这一列建立了哈希索引，那查询的速度是非常快的，只需对其进行一次hash运算即可直接得到地址拿到数据，时间复杂度为O(1)。

　　但是众多MySQL存储引擎中，支持哈希索引的引擎却比较少，如Memory、NDB等。广泛使用的InnoDB引擎也只是会自适应的建立哈希索引，如某几行记录的查询频率非常高的情况，但是不能手动建立。这是因为，哈希索引虽然查询速度非常快，但是它的特性是通过key经过hash函数运算得到地址，散列存储即连续的key得到的地址却不是连续的。这就决定了哈希索引只适合等值查询，而不适合范围查询，而范围查询又是非常普遍的，还有就是数据规模一大hash运算的冲突概率会上升的非常快，等值查询的速度也没有优势了。

伪哈希索引

　　虽然使用哈希索引有诸多不便，但我们也可以从它做法中得到某些启示。比如将复杂且长数据进行hash运算得到一个简单映射值，但不将这个映射值作为地址，而是为这些映射值建立一个B+树的索引，这样再走索引查询时效率就会提高很多。比如有一个列存储url，这是一个比较长的字符串比较时效率不高，则可以考虑增加一列hashUrl，存储url经过hash运算的值，最好是一个整数。例如：

　　url                                                    hahsUrl

----------------------------------------------------------------------

"http://www.mysql.com"                     118291010

"http://www.apache.com"                   318291011

然后为hashUrl建立B+树的索引，查询url时：

 select * from table1 where hashUrl  = hashFunc（"http://www.mysql.com"）;         //hashFunc就是某个hash函数

为了一次性的解决hash冲突的问题，可以在后面加上直接按url查询的条件：

 select * from table1 where hashUrl  = hashFunc（"http://www.mysql.com"）
    and url = "http://www.mysql.com";         //hashFunc就是某个hash函数

当 hashFunc（"http://www.mysql.com"）得到的整数在索引中不止一个时，即发生了冲突，这时第二个条件就发挥了作用，做进一步筛选。最重要的是：经过第一个用整数的条件筛完后，第二个直接用字符串筛选的记录就非常少了，不会又导致了效率的降低。因此使用伪哈希索引查询时，把原本的列也加入查询条件是一种很好的办法。

注意：一定要仔细衡量使用伪哈希索引的得失，有时它带来的收益可能是负的。因为这样做表就要徒增一列，浪费存储空间，且每次更改、插入原数据都要用hash函数运算哈希值写到存储其哈希值的列，也是一笔开销。当某列的数据类型确实长度大、且比较时效率低，且通过它查询的情况十分多，则可以考虑伪哈希索引。