高性能的MySQL（5）创建高性能的索引一哈希索引

Green

　　哈希索引（hash index）基于哈希表实现，只有精确匹配索引的所有列的查询才有效，对于每一行数据，存储引擎都会对所有索引列计算一个哈希码，不同键值的行计算出来的哈希码也不一样，哈希码保存在哈希索引中，同时哈希表中保存指向每个数据的指针。
　　1、Memory引擎支持哈希索引，也支持B-Tree索引，而且支持非唯一的哈希索引，如果多个列的哈希值相同，索引会以链表的方式存放多个记录指针到同一个哈希条目，这个是和特别的。
　　举例说明：

CREATE TABLE `testhash` (
  `fname` varchar(50) NOT NULL,
  `lname` varchar(50) NOT NULL,
  KEY `fname` (`fname`) USING HASH
) ENGINE=MEMORY DEFAULT CHARSET=utf8 |

　　假设索引使用f()生成哈希码如下

f('Arjen')  = 2323

f('Baron') = 7437

f('Peter')  = 8784

f('Vadim') = 2458

　　

　　则哈希索引数据结构如下

槽	值
2323	指向第1行指针
2458	指向第4行指针
7437	指向第2行指针
8784	指向第3行指针

　　注意哈希码是有序的，但是数据行不是。
　　当执行查询的时候

select * from testhash where fname='Peter'；

　　先计算哈希码，然后找到第3行指针，最后比较第3行的值是否为‘Peter’，以确定就是要找的行。
　　2、哈希索引的限制：
　　a、哈希索引只包含哈希码和行指针，不存储字段值，所以无法用索引中的值来避免去读取行。
　　b、哈希索引数据并不是按照索引值顺序存储的，所以也就无法用于排序。
　　c、哈希索引也不支持部分索引列匹配查找，必须利用所有索引列，因为哈希值是通过所有索引列计算的。
　　d、哈希索引只支持等值比较查询，包括=、in()、<=>(安全比较)比较包含null的时候用。哈希也不支持任何范围查询，比方说where price > 100
　　e、哈希索引非常快，除非有哈希冲突（不同的索引值会有相同的哈希值），这个时候引擎必须遍历链表中的所有行来匹配。
　　f、哈希冲突较多的时候，比方列上相同的值比较多的时候，索引维护代价就会比较高。
　　InnoDB引擎有一个特殊的功能叫做“自适应哈希索引”，由引擎内部实现，也可以关闭。
　　

　　3、创建自定义哈希索引
　　如果存储引擎不支持哈希索引，可以在B-Tree基础上创建一个伪哈希索引。这个和真正的哈希索引不是一回事，还是用到B-Tree进行查找，只是利用键值的哈希值而不是键值来进行索引查找，只需要在where中手动指定哈希函数。
　　举例说明：
　　如果需要存储大量的URL，并且需要根据URL进行搜索，如果使用B-Tree来索引URL，存储内容会很大。比方说下面的查询

select * from url where url="http://www.baidu.com";

　　若删除原来的URL列索引，而新增一个被索引的字段url_crc,使用crc32做哈希就可以使用下面的查询了

select * from url where url_crc=crc32("http://www.baidu.com") and url="http://www.baidu.com";

　　这样性能就会很高。
　　这样的缺陷是需要维护哈希值。可以使用触发器来实现维护工作。
　　创建一张表

CREATE TABLE `pseudohash` (
  `id` int(10) unsigned NOT NULL AUTO_INCREMENT,
  `url` varchar(255) NOT NULL,
  `url_crc` int(10) unsigned NOT NULL DEFAULT '0',
  PRIMARY KEY (`id`)
) ENGINE=InnoDB DEFAULT CHARSET=utf8;

　　创建触发器

//插入
delimiter $$
create trigger pseudohash_crc_ins before insert on pseudohash for each row begin set NEW.url_crc=crc32(NEW.url);end;$$
//更新
create trigger pseudohash_crc_upd before update on pseudohash for each row begin set NEW.url_crc=crc32(NEW.url);end;$$
delimiter ;

　　尽量避免使用太长的哈希函数，会浪费很多空间。除非出现了大量冲突，可以考虑自己实现一个简单的64位哈希函数，一个简单的方法是使用MD5()返回一部分值。

　　有一点值得注意：
　　当使用哈希索引进行查询的时候，必须在where中同时跟上rul的匹配，一旦出现了哈希冲突，这个真正要查询的值才会帮助匹配出真正的行。