数据库中使用到哈希表的结构：
internal meta-data：内部元数据
core data storage：核心数据集结构存储
temporary data structures：临时数据
table indexes：表的索引
HASH TABLES
design decisions
考虑两个方面：哈希表的数据结构，并发问题；
哈希表本质是一个表，一列是key，一列是value，类似于map，但是map的key不重复，哈希表的key可能会重复
哈希表的特点：
空间复杂度：O(n)，占的空间和其存储的数据是线性相关的
时间复杂度：平均：O(1)；最差：O(n)，最差的时候是key的值全部重复，只能存在一个桶里
static hash table
静态哈希表。
对于静态哈希表：我们假设每个键都是独一无二的，不同的key对应的桶不冲突。（这是不可能的）
设计哈希表
hash 函数
如何将大范围的key映射到哈希表小范围的桶里；速度和碰撞率？
哈希schema
如何处理碰撞；是直接分配一个大的哈希表还是通过额外的措施（动态调整大小）来解决key的冲突？
哈希函数
any input key => return an integer
整数可以代表这个key
哈希表使用的不是一个加密（数据加密完之后，无法获得数据原先的任何一种情况）的哈希函数，该加密过程比较复杂（相对于mod函数之类）
哈希函数的要求就是：快，同时碰撞少；
常用哈希函数
CRC-64、MurmurHash、Google CityHash、Facebook XXhash、Google FarmHash
哈希函数的性能对比：
随着key的长度的改变，吞吐量的改变
静态哈希schemes
线性探测哈希（开放寻址哈希）
插入时：如果出现碰撞，则开始向下一个地址寻找，存放到下一个空的位置
删除时：对碰撞的处理，
C与A碰撞，删除C后，此时查D会出问题：
解决方法：
Tombstone（墓碑），设定此处为原本有数据，但已删除。
Movement：整理后续的冲突数据，里面有很多问题需要处理
非唯一键（NON-Unique Keys）
即一个key对应多个value。
可以使用链表存储，key指向一个链表，该链表存储了所有的value
或者，使用key|value作为key
Robin hood hashing
基础数据结构：开放寻址哈希。但，除了键值外，还需要记录[0]，表示数据被推了多少格的位置。
如果此时hash（E） = hash（A），如果把E插入，此时会占D的位置；
cuckoo hashing
（杜鹃鸟）
多个哈希表。碰撞时，找其他的哈希表的存储，如果备用哈希表仍然冲突，先去最初的hash table，再去其他备用hash表来。
observation
之前方法的缺点：空间始终是有限的，对于静态的哈希表而言。无法动态伸缩
三种动态的哈希表：chained hashing、extendible hashing、linear Hashing
chained hashing
拉链式哈希表
引入桶的概念
extendible hashing
只看key的二进制位的前两位，
桶满怎么处理：把看key的位数增大，去看hash值的前三位，将桶的个数也增加，但是需要将现有桶内存的数据要再重新整理一下
Linear hashing
桶满怎么处理：overflow桶
当前槽溢出，从0号槽开始分加槽，此时分加的槽，使用第二个哈希函数。再发现有槽有溢出时，再将1号槽分加。直到所有槽都会进行分加，接下来如果还增加，那再从0号槽开始分加。
例如：当检测到，指向0号槽的数据，再计算一次第二个哈希函数的结果，再来说最终放到哪个槽里。
总结
哈希表对于查询而言，支持O(1)的查找时间复杂度。哈希表在DBMS中有很多地方的应用。
哈希表在速度和灵活性（空间伸缩）之间平衡
哈希表通常不用于表的索引（哈希表对于范围查询无用）
