这是我参与8月更文挑战的第4天，活动详情查看：8月更文挑战
回顾一下，学习DB的自底向上的几个逻辑
- disk manager 关心物理存储
- buffer pool manager 关心内存存储
- access methods 关心数据查找
- operator execution 关心操作符如何执行
- query planning 关心如何设计执行顺序
1. hash table
- 如何选func：速度和冲突率之间的抉择；
- 如何设计scheme（结构）：如何处理冲突的键；
Static hash table
预先知道元素的个数，每个key都是独立的，hash函数能唯一的将key映射到value上，不会产生冲突。
Linear probe hashing
线性探查解决冲突，遇到冲突的时候查找下一个空闲槽位（next free slot）；
为了正确的找到目标元素，在存储的slot中要同时记录key和value；
对于non-unique keys（每一个key可能对应多个value），有两种解决方法：
- 每个key关联到一个list中；
- 将key和value一起存储在slot中；
Robin hood hashing
尽可能的均衡那些因为冲突导致位置偏离的key需要向后线性探查的位置数。
用下面这个例子来说明。每个slot同时记录当前这个元素“移动”的距离，下面的元素按照ABCDE的顺序写入table：hash(A) = 2; hash(B) = 0; hash(C) = 2; hash(D) = 3; hash(E) = 2；
首先A就在现在的位置上，没有移动，记作0；C也被hash到A所在的位置上，产生冲突，往后移动1位，记作1；D被hash到C目前在的位置，往后移动1位，所以也记作1；E被hash到A所在的位置，首先在index = 2上冲突，和A比较，0 = 0，A维持不变；E往后找1位，在index = 3上和C冲突，和C比较，这时候E因为移动了1格，所以距离变成1,1= 1，所以C还是维持不变；E再往后找，E的距离变成2，但下一格D的距离是1，D[1] < E[2]，所以D后推，E留在index = 4的格子，变成第二张图的情况：
Cuckoo hashing
布谷鸟哈希；同时用多个不同的哈希函数映射到多个哈希表；每次只要找到任意一个表中的目标位置可用就写入；如果每一个表的目标位置都被占用了，就选择其中某一个，重新进行hash来提供这个格子。
Dynamic hash table
以上都是静态的哈希表，需要DBMS知道元素数量，例如，线性探查的方式，无论每个元素往后推移多少个slot，需要插入表中的数据总数和表的size是一致的，多了就放不开了，再怎么线性探查也没用。动态哈希表可以根据需求随时resize。介绍三种方法：
chained hashing
使用桶来存储，每个hash key对应的是一个链表。相当于拉链法进行存储；
extendible hashing
扩展hash函数映射的粒度来细化bucket中存储的内容。当粗粒度的hash函数映射到的目标bucket存满的时候，就扩充一次hash函数：
初始，global=2，means通过映射key的二进制最左2位来选择目标bucket；这时候注意到2号bucket已经放满了，所以如果又有一个10开头的数据要插入，这时候发生冲突，那么就把global扩展到3，如图2。
Linear hashing
当某个bucket溢出的时候，增加一个bucket，链式增加，然后生成一个新的哈希函数hash2，将这个split pointer前面的所有bucket都用hash2进行一次计算。
2. 总结
这一节介绍的是哈希表的几种设计思路。 DBMS中会用到很多种数据结构。不同的数据结构，用在不同的功能上。
- 内部元数据：维护数据库的信息和系统状态。元数据一般和实际数据是一起存储的，也是数据表的形式。
- 核心数据存储：数据库中的实际数据。第3、4节提到的storage中介绍的存储方式用于存储数据。
- 临时数据结构：在处理一些query时，有可能需要创建一些临时的数据结构来作为中间表等，用于加速和优化执行过程。本节提到的hash table就可以用于join的结果生成中间表。
- 表索引：用于数据表中数据的检索。第7、8节中提到的tree index部分用于建立索引。
