《数据库系统概念》14-静态散列

顺序文件组织的缺点之一是必须经过访问索引或使用二分法搜索来定位数据，这须要较多的I/O操做。基于散列技术的文件组织方式则不须要访问索引结构，散列也提供了一种组织索引的方式。
在散列(hash)技术中，用桶(bucket)来表示能存储一条或多条记录的存储单元。若是K表明全部搜索码的集合，B表明全部bucket的集合，则散列函数h表示一个从K到B的映射函数。
插入搜索码为Ki的记录时，经过散列函数计算h(Ki)得出bucket的地址，若是这个bucket还有空间，就将数据插入。
查询Ki时，也是先经过h(Ki)得出bucket的地址，但bucket中每每有多条记录，这时就须要进一步根据搜索码在bucket内部搜索。
散列能够有两种用途，在散列文件组织中，经过散列函数直接定位记录所在的磁盘块；在散列索引组织中，把搜索码和指针组织成一个散列文件结构。
a) 散列函数
合理地选择散列函数很是重要，不然可能致使记录被集中映射到少数几个bucket的状况。要求散列函数的分布特性是均匀、随机的，既每一个bucket被分配到的记录数应该是相等的，并且分配结果与搜索码自己的顺序无关。
典型的散列函数是根据搜索码的二进制值进行计算的，好比能够计算二进制全部位的和，而后取模。一个结果良好设计的散列函数应不受记录数量的影响，而具备稳定的搜索效率。
b) Bucket溢出的处理
若是记录被映射到一个Bucket时Bucket以及没有可用空间，就会发生溢出。溢出的缘由多是由于随着记录数的增加，没有足够的bucket；也多是由于散列函数设计不合理或者存在太多相同的搜索码，致使记录被集中映射到某些bucket，而一个bucket能容纳的记录是有限的，这种状况称为桶偏斜(bucket skew)。
为了应对bucket溢出，能够在肯定bucket数量时留必定的余量，但这会形成空间浪费；也可使用溢出桶(overflow bucket)来接收溢出记录：一旦发生溢出，就新增一个溢出桶，以接收溢出记录，溢出桶与原始桶构成链表(overflow chaining)，因而查找数据时，要增长对是否存在溢出桶的探查，若是存在，则进一步在溢出桶中搜索。
这种静态散列的缺点在于必须在设计阶段肯定好bucket的数量，随着记录的数的增长或收缩，bucket数没法跟随变化，会形成溢出或空间浪费。
c) 散列索引
除了散列文件组织，还能够用散列的方式组织索引。将散列函数做用于搜索码以肯定对应的桶，而后将此搜索码以及相应的指针存入。


学习资料：Database System Concepts, by Abraham Silberschatz, Henry F.Korth, S.Sudarshan