在哈希分区中使用啥算法，它可以在查看任何数据之前将数据划分为相似大小的分区

Posted 2023-03-28

【中文标题】在哈希分区中使用啥算法，它可以在查看任何数据之前将数据划分为相似大小的分区

【英文标题】：What algorithm is used in a hash partition that it can divide up the data into similar size partitions before seeing any data在哈希分区中使用什么算法，它可以在查看任何数据之前将数据划分为相似大小的分区

【发布时间】：2019-06-30 02:05:37

【问题描述】：

我了解 Oracle（和其他数据库）中的散列分区方法会在散列键上生成一种算法，以便传入数据可以分成大小相等的部分以创建类似大小的分区。

但是，在首先看到实际数据之前，这样的算法如何工作？难道不能最终得到一组散列分区，其中 99% 的数据进入其中一个分区，剩下的 1% 被分成剩余的 n 个分区？

【参考方案1】：

是的，理论上是可以的。但是散列算法本质上是随机化传入的数据。然后统计规则意味着分区的大小将接近。

如果您有大量数据，那么分区大小的差异即使小至 1% 也变得非常不可能 - 假设原始数据具有唯一值。

但是，如果原始数据有偏差，则生成的 bin 也可能有偏差。例如，考虑是否有 100 个值，其中 0-9 出现一次，10 出现 90 次。值为 10 的所有 90 行将进入同一个分区，因此生成的 bin 将不平衡。

Oracle 使用函数ORA_HASH 来决定使用哪个散列分区。 exact algorithm of that function 不为公众所知。但是该手册确实讨论了该算法的一些属性； ORA_HASH 最适用于唯一数据并且当桶的数量是 2 的幂时。如果不满足这些条件，则某些分区可能会明显大于其他分区。

【讨论】：

好吧，这是有道理的。谢谢