哈希

Redis中的hash存储

• Redis中的一大数据类型hash存储原理。
• 以执行hset h1 username Tom为例，首先初始化h1为5个位置长度。
• 对filed哈希计算
  • hash(‘username’) % 5 = 0 得到位置索引为0。
  • 将username为Tom的数据存放在h1的位置0处。
• 继续执行hset h1 age 18
  • 进行hash计算hash('age')得到相应的存储位置并存储。
  • 如果位置索引仍为0，两字段的哈希值对应的存储空间索引位置发生冲突。 ----- 哈希碰撞
  • 解决方案：单链法，在0位置下方开辟存储空间进行存储。

• 扩容：当一维存储位置不够时，需要进行扩容。
  • Redi触发扩容条件：当总字段个数等于一维数组的长度时，开始扩容。
  • Redis采用渐进式扩容，并且保留新旧两份数据。

python中的hash存储

• python中的字典和集合的hash存储原理。

• 执行以下程序为例，初始化dict为5个位置长度。

  dict = {}
  dict['a'] = 1
  

• 对key值哈希计算：hash(‘a’) % 5 = 0得到位置索引为0，将a对应的value存到位置0处。

• 继续执行dict['b'] = 2

  • 如果发生哈希碰撞，采取二次计算。以座位号为参数，进行伪随机探测，直到找到自己的位置。
  • 为了保障可以科学的进行查找b，python在执行删除操作时，会在位置上进行标记，从而维护了完整的探测链，对于哈希碰撞的key值可以原链路查找。

• 扩容：当空闲位置的数量少于总容量的1/3时，进行扩容。