在Hekaton里，正确选择哈希存储桶数

今天我使用2048的桶数的哈希索引，往Hakaton里插入100万的记录，测试下在哈希桶数里，哈希冲突（Hash Collision）是如何影响Hekaton的工作量——结果非常非常有意思。首先我想介绍下什么是哈希冲突。

你可能知道（非常希望），在SQL Server 2014里，Hakaton表是以哈希索引（Hash Indexes）实现的。维基百科对此有详细介绍，这是哈希索引的应用基础。哈希函数将索引键映射到哈希索引中对应的 Bucket，哈希函数的结果决定你的行最终放入那个哈希桶。如果多个键值哈希到同个值，SQL Server会在那个哈希桶里插入，在那个哈希桶有多个入口链接在一起。来看下面的图示（来自维基百科）：

从图中可以看到，键值“John Smith“和“Sandra Dee”哈希到同个桶——这里是152号桶。这意味着那2行都存在同个哈希桶里，这会影响INSERT性能，还有SELECT的查询性能。在INSERT期间，SQL Server需要维护链接列表，在SELECT查询期间，SQL Server需要扫描链接列表。

介绍完哈希冲突后，我们来用一个简单的例子演示下哈希冲突对性能的影响。我们来创建带Hekaton表的数据库：

 1 -- Create new database 2 CREATE DATABASE HashCollisions 3 GO 4  5 --Add MEMORY_OPTIMIZED_DATA filegroup to the database. 6 ALTER DATABASE HashCollisions 7 ADD FILEGROUP HekatonFileGroup CONTAINS MEMORY_OPTIMIZED_DATA 8 GO 9 10 USE HashCollisions11 GO12 13 -- Add a new file to the PRevious created file group14 ALTER DATABASE HashCollisions ADD FILE15 (16     NAME = N'HekatonContainer', 17     FILENAME = N'C:/Program Files/Microsoft SQL Server/MSSQL12.MSSQLSERVER/MSSQL/DATA/HashCollisionsContainer'18 )19 TO FILEGROUP [HekatonFileGroup]20 GO21 22 -- Create a simple table23 CREATE TABLE TestTable24 (25     Col1 INT NOT NULL PRIMARY KEY NONCLUSTERED HASH WITH (BUCKET_COUNT = 1024),26     Col2 INT NOT NULL,27     Col3 INT NOT NULL28 )29 WITH30 (31     MEMORY_OPTIMIZED = ON, 32     DURABILITY = SCHEMA_ONLY33 )34 GO

从代码里可以看到，这里我用的1024的哈希桶数——桶数并不多，然后我会往表里插入1000000的记录。接下来我会创建本机编译的存储过程，这样的话我可以用Hekaton的贼快速度：

 1 -- Create a native compiled Stored Procedure 2 CREATE PROCEDURE InsertTestData 3 WITH  4     NATIVE_COMPILATION,  5     SCHEMABINDING,  6     EXECUTE AS OWNER 7 AS  8 BEGIN 9     ATOMIC WITH 10     (11         TRANSACTION 12         ISOLATION LEVEL = SNAPSHOT,13         LANGUAGE = N'us_english'14     )15 16     DECLARE @i INT = 017     18     WHILE @i < 100000019     BEGIN20         INSERT INTO dbo.TestTable (Col1, Col2, Col3) VALUES (@i,@i, @i)21 22         SET @i += 123     END24 END25 GO

可以看到，这里我用简单的循环来插入1000000条记录。在4核CPU，4G内存的虚拟机上，我们打开时间统计，来执行这个存储过程：

1 SET STATISTICS TIME ON2 3 EXEC dbo.InsertTestData

执行时间差不多有42秒，这已经很慢了。我们不断翻倍桶数到1048576，你会看到随着桶数的增加，性能也得到了不断的提升。

 1 DROP PROCEDURE dbo.InsertTestData 2 DROP TABLE dbo.TestTable 3  4 -- Create a simple table 5 CREATE TABLE TestTable 6 ( 7     Col1 INT NOT NULL PRIMARY KEY NONCLUSTERED HASH WITH (BUCKET_COUNT = 1048576), 8     Col2 INT NOT NULL, 9     Col3 INT NOT NULL10 )11 WITH12 (13     MEMORY_OPTIMIZED = ON, 14     DURABILITY = SCHEMA_ONLY15 )16 GO17 18 19 -- Create a native compiled Stored Procedure20 CREATE PROCEDURE InsertTestData21 WITH 22     NATIVE_COMPILATION, 23     SCHEMABINDING, 24     EXECUTE AS OWNER25 AS 26 BEGIN27     ATOMIC WITH 28     (29         TRANSACTION 30         ISOLATION LEVEL = SNAPSHOT,31         LANGUAGE = N'us_english'32     )33 34     DECLARE @i INT = 035     36     WHILE @i < 100000037     BEGIN38         INSERT INTO dbo.TestTable (Col1, Col2, Col3) VALUES (@i,@i, @i)39 40         SET @i += 141     END42 END43 GO

我们继续执行这个存储过程：

1 SET STATISTICS TIME ON2 3 EXEC dbo.InsertTestData

执行同个存储过程只需要780毫秒，与第一次用1024个桶数的测试运行，这已经是天大的区别。你也可以用DMVsys.dm_db_xtp_hash_index_stats来看下在你的哈希索引里有几桶被使用：

1 SELECT * FROM sys.dm_db_xtp_hash_index_stats

这个测试告诉我们什么呢？要为Hekaton的哈希索引的存储桶数，要做出正确的选择，因为它们会大大影响SQL Server的性能！最佳桶数应该是在哈希索引里不同值的个数——另外要保留一些可用空间（在不同值个数上稍加），安全起见。你也不能把选择太高的存储桶数，因为相反你就在浪费内存。在SQL Server里的几乎每个设置——都是基于你的工作量的而定，数据库收缩除外哦！

感谢关注！