文章目录1. hash算法2. rehash3.哈希表的扩展和收缩4 .解决散列冲突5 .渐进rehash
1 .混列算法
学习了数据结构，在将新的键值对添加到字典中时，程序首先根据键值对的键计算哈希值和索引值，然后基于该索引值，将包含新键值对的散列表节点指定为散列表数组
哈希值和索引值的计算方法如下。 #使用字典中设置的散列函数计算密钥key的散列值hash=dict-type-hash function (key )。 #使用散列表中的sizemask属性和哈希值计算索引值#在某些情况下，ht[x]可能是ht[0]或ht [1] index=hash dict-ht [ x ].size mask 例如，如果要将键值对(k0，v0)添加到词典中，程序会首先使用语句。
hash=dict-type-hashfunction(k0； 计算密钥k0的哈希值。
假设计算出的哈希值为8，程序将继续使用语句。
index=hash dict-ht [0].size mask=83=0； 计算密钥k0的索引值0。 这意味着包含键值对k0和v0的节点将位于哈希表数组的索引0处，如下图所示
那么具体用什么算法来计算索引值呢？
当字典用作数据库的基本实现或lkdfs的基本实现时，Redis使用MurmurHash2算法计算密钥的哈希值。
2008年由Austin Appleby首先发明的MurmurHash算法的优点是，即使输入的密钥是规则的，算法也具有很好的随机性，算法的计算速度也非常快。
2 .随着操作的进行，2. rehash会逐渐增加或减少保存在散列表中的键值对。 如果为了使散列表的负载率(load factor )【保存在散列表中的节点数/散列表的大小】维持在适当的范围内，保存在散列表中的键值对数量过多或过少，程序就会失败
哈希表的扩展和收缩是通过rehas重新哈希操作完成的，如下所示。
为词典中的ht[1]哈希表分配空格。 此散列表的空间大小取决于要执行的操作以及ht[0]中当前包含的键值对的数量，即ht[0].used属性的值。
执行扩展操作时，以ht[1]的大小为首，ht[0].used * 2以上的数值数。 并且，这个数是2的n次方。 例如，如果ht[0].used=7，则ht[0].used * 2=14，最初为14以上的数，且为2的n次方，该数为16=2^4，因此ht[1]的大小为16 进行收缩操作时，以ht[1]的大小为首，ht[0].used以上的2^n。 将保存在ht[0]中的所有键值对从rehash放置在ht[1]上。 rehash是重新计算密钥的哈希值和索引值，并将密钥值对放置在ht[1]哈希表中的指定位置。
ht[0]中包含的所有键值对都迁移到ht[1]后，ht[0]将成为空表。 释放ht[0]，将ht[1]设定为ht[0]，在ht[1]中创建新的空哈希表，为下一个rehash做准备。
书中的例子
假设程序对上图词典中的ht[0]执行扩展操作，该程序将执行以下步骤：
由于ht[0].used的当前值为4，4 *2=8，8 (2^3)正好是前4以上2的n次方，因此程序将ht[1]哈希表的大小设置为8。
将ht[0]中包含的所有四个键值对重置为ht[1]。
释放ht[0]，将ht[1]设置为ht[0]，然后为ht[1]分配空白散列表。
现在，您已经完成了对哈希表的扩展操作，程序成功地将哈希表的大小从原来的4更改为当前的8。
那么什么时候进行rehash？
3 .哈希表扩展和收缩当满足以下条件之一时，程序自动开始哈希表扩展操作：
服务器当前没有运行BGSAVE或BGREWRITEAOF命令，散列表的负载率大于或等于1。 服务器当前正在运行BGSAVE或BGREWRITEAOF命令，散列表的负载率至少为5
这里，散列表负载因子为#负载因子=已保存散列表的节点数/散列表大小load _ factor=ht [0].used/ht [0].size，例如，大小为4，密钥
在大小为512、具有256个键值对散列表中，负荷系数为load_
factor = 256 / 512 = 0.5当哈希表的负载因子小于 0.1 时， 程序自动开始对哈希表执行收缩操作。
4. 解决哈希冲突Redis 的哈希表使用链地址法（separate chaining）来解决键冲突： 每个哈希表节点都有一个 next 指针， 多个哈希表节点可以用 next 指针构成一个单向链表， 被分配到同一个索引上的多个节点可以用这个单向链表连接起来， 这就解决了键冲突的问题。
因为 dictEntry 节点组成的链表没有指向链表表尾的指针， 所以为了速度考虑， 程序总是将新节点添加到链表的表头位置（复杂度为 O(1)）， 排在其他已有节点的前面。
如下图：
上述中扩展或收缩哈希表需要将 ht[0] 里面的所有键值对 rehash 到 ht[1] 里面， 但是， 这个 rehash 动作并不是一次性、集中式地完成的， 而是分多次、渐进式地完成的。
这样做的原因在于， 如果 ht[0] 里只保存着四个键值对， 那么服务器可以在瞬间就将这些键值对全部 rehash 到 ht[1] ； 但是， 如果哈希表里保存的键值对数量不是四个， 而是四百万、四千万甚至四亿个键值对， 那么要一次性将这些键值对全部 rehash 到 ht[1] 的话， 庞大的计算量可能会导致服务器在一段时间内停止服务。
因此， 为了避免 rehash 对服务器性能造成影响， 服务器不是一次性将 ht[0] 里面的所有键值对全部 rehash 到 ht[1] ， 而是分多次、渐进式地将 ht[0] 里面的键值对慢慢地 rehash 到 ht[1] 。
以下是哈希表渐进式 rehash 的详细步骤：
为 ht[1] 分配空间， 让字典同时持有 ht[0] 和 ht[1] 两个哈希表。在字典中维持一个索引计数器变量 rehashidx ， 并将它的值设置为 0 ， 表示 rehash 工作正式开始。在 rehash 进行期间， 每次对字典执行添加、删除、查找或者更新操作时， 程序除了执行指定的操作以外， 还会顺带将 ht[0] 哈希表在 rehashidx 索引上的所有键值对 rehash 到 ht[1] ， 当 rehash 工作完成之后， 程序将 rehashidx 属性的值增一。随着字典操作的不断执行， 最终在某个时间点上， ht[0] 的所有键值对都会被 rehash 至 ht[1] ， 这时程序将 rehashidx 属性的值设为 -1 ， 表示 rehash 操作已完成。渐进式 rehash 的好处在于它采取分而治之的方式， 将 rehash 键值对所需的计算工作均摊到对字典的每个添加、删除、查找和更新操作上， 从而避免了集中式 rehash 而带来的庞大计算量。
因为在进行渐进式 rehash 的过程中， 字典会同时使用 ht[0] 和 ht[1] 两个哈希表， 所以在渐进式 rehash 进行期间， 字典的删除（delete）、查找（find）、更新（update）等操作会在两个哈希表上进行： 比如说， 要在字典里面查找一个键的话， 程序会先在 ht[0] 里面进行查找， 如果没找到的话， 就会继续到 ht[1] 里面进行查找， 诸如此类。
另外， 在渐进式 rehash 执行期间， 新添加到字典的键值对一律会被保存到 ht[1] 里面， 而 ht[0] 则不再进行任何添加操作： 这一措施保证了 ht[0] 包含的键值对数量会只减不增， 并随着 rehash 操作的执行而最终变成空表。