當(dāng)一個(gè)key-value鍵值對(duì)傳遞給一個(gè)哈希函數(shù)的時(shí)候，經(jīng)過(guò)哈希函數(shù)的計(jì)算之后，根據(jù)結(jié)果會(huì)把key-value鍵值對(duì)放在合適的hash buckets（哈希存儲(chǔ)桶）里

舉個(gè)栗子

我們假設(shè)對(duì)10取模（ % 10 ）就是哈希函數(shù)。如果key-value鍵值對(duì)的key是1525 ，傳遞到哈希函數(shù)，那么1525 會(huì)存放在第五個(gè)bucket里

因?yàn)? as 1525 % 10 = 5。

同樣，537 會(huì)存放在第七個(gè)bucket ，2982 會(huì)存放在第二個(gè)bucket ，依次類推

同樣，在hash index里面，哈希索引列會(huì)被傳遞給哈希函數(shù)做匹配（類似于java里面的HashMap的Map操作），匹配成功之后，

索引列會(huì)被存儲(chǔ)在匹配到的hash bucket里面的表里，這個(gè)表里會(huì)有實(shí)際的數(shù)據(jù)行指針，再根據(jù)實(shí)際的數(shù)據(jù)行指針查找對(duì)應(yīng)的數(shù)據(jù)行。

概括來(lái)說(shuō)，要查找一行數(shù)據(jù)或者處理一個(gè)where子句，SQL Server引擎需要做下面幾件事

1、根據(jù)where條件里面的參數(shù)生成合適的哈希函數(shù)

2、索引列進(jìn)行匹配，匹配到對(duì)應(yīng)hash bucket，找到對(duì)應(yīng)hash bucket意味著也找到了對(duì)應(yīng)的數(shù)據(jù)行指針（row pointer）

3、讀取數(shù)據(jù)

哈希索引比起B(yǎng)樹索引簡(jiǎn)單，因?yàn)樗恍枰闅vB樹，所以訪問(wèn)速度會(huì)更快

哈希函數(shù)和相應(yīng)語(yǔ)法的例子

CREATE TABLE dbo.HK_tbl
 (
  [ID] INT IDENTITY(1, 1)
    NOT NULL
    PRIMARY KEY NONCLUSTERED HASH WITH ( BUCKET_COUNT = 100000 ) ,
  [Data] char(32) COLLATE Latin1_General_100_BIN2
      NULL ,
  [dt] datetime NOT NULL,
 )
 WITH (
   MEMORY_OPTIMIZED =
   ON,
   DURABILITY =
   SCHEMA_AND_DATA);

在SQL Server 2014里面，內(nèi)存優(yōu)化表創(chuàng)建完之后就不能再加哈希索引了，但是在 SQL Server 2016 里支持表創(chuàng)建完之后添加哈希索引，不過(guò)

添加哈希索引是一個(gè)離線操作。

哈希索引的Bucket 數(shù)量

( BUCKET_COUNT = 100000 )定義了哈希索引能夠使用的BUCKET數(shù)量，這個(gè)Bucket 是固定的并且由用戶指定Bucket 數(shù)量，

而不是執(zhí)行查詢的時(shí)候由SQL Server決定生成的Bucket 數(shù)量。BUCKET數(shù)量總是2的次方的四舍五入( 1024, 2048, 4096 etc..)

SQL Server2014的哈希索引其實(shí)跟MySQL的自適應(yīng)哈希索引原理其實(shí)差不多，都是為了擺脫B樹的束縛，使查找效率更快

How does a relational database work這篇文章也有描述hash join的原理，大家可以看一下