Hash 被称为散列函数，是把任意长度的输入通过散列算法变换成固定长度的输出，该输出就是散列值。
不同的输入可能会散列成相同的输出，所以不可能从散列值来确定唯一的输入值。
Hash 函数它可以帮助我们大幅提升检索数据的效率。
Hash 算法是通过某种确定性的算法（比如MD5、SHA1、SHA2、SHA3）将输入转变为输出。相同的输入永远可以得到相同的输出，假设输入内容有微小偏差，在输出中通常会有不同的结果。
Hash 结构 ，例如 HashMap，查询/插入/修改/删除的平均时间复杂度都是0(1)。
HashMap 底层结构图：
采用Hash进行检索效率非常高，基本上一次检索就可以找到数据，而B+树需要自顶向下依次查找，多次访问节点才能找到数据，中间需要多次I/O操作，从效率来说Hash比 B+树更快。
Hash索引适用于 Memory存储引擎，不适用于 MyISAM 和 InnoDB。
hash冲突
两个不同的关键字经过hash算法后可能被映射到相同的位置，这叫做冲突。在数据库中一般采用链接法来解决。在链接法中，将
经过hash算法计算后hash值相同的关键字放到同一个链表中，当链表超过8个节点时，并且数组长度大于64时，就会把链表转为红黑树，如上图。
hash结构做为索引的缺陷
1、Hash索引仅能满足 (=)，(<>)和 IN 查询。如果进行范围查询，哈希型的索引，时间复杂度会退化为O(n)；而树型索引的“有序”特性，依然能够保持O(log2N)的高效率。
2、Hash索引还有一个缺陷，数据的存储是没有顺序的，在ORDER BY的情况下，使用Hash索引还需要对数据重新排序。
3、对于联合索引的情况，Hash值是将联合索引键合并后一起来计算的，无法对单独的一个键或者几个索引键进行查询。
4、对于等值查询来说，通常Hash索引的效率更高，不过也存在一种情况，就是索引列的重复值如果很多，效率就会降低。这是因为遇到Hash冲突时，需要遍历桶中的行指针来进行比较，找到查询的关键字，非常耗时。所以,Hash索引通常不会用到重复值多的列上，比如列为性别、年龄的情况等。
hash结构做为索引适用的情况
Hash索引存在着很多限制，相比之下在数据库中B+树索引的使用面会更广，不过也有一些场景采用Hash 索引效率更高，比如在键值型(Key-Value）数据库中，Redis存储的核心就是 Hash表。
MySQL中的Memory存储引擎支持Hash存储，如果我们需要用到查询的临时表时，就可以选择Memory存储引擎，把某个字段设置为Hash索引，比如字符串类型的字段，进行Hash计算之后长度可以缩短到几个字节。当字段的重复度低，而且经常需要进行等值查询的时候，采用Hash索引是个不错的选择。
另外，InnoDB 本身不支持Hash索引，但是提供自适应 Hash索引(Adaptive Hash Index)。什么情况下才会使用自适应Hash索引呢?如果某个数据经常被访问，当满足一定条件的时候，就会将这个数据页的地址存放到Hash表中。这样下次查询的时候，就可以直接找到这个页面的所在位置。这样让B+树也具备了Hash索引的优点。
采用自适应hash索引的目的是方便根据sql的查询条件加速定位到叶子节点，特别是当B+树比较深的时候，通过自适应hash索引可以明显的提高数据检索效率。
查看是否开启 自适应hash索引
默认开启：
