在 Raymond Hettingers Pycon 2017 Talk 中，什么是数据库表示
In Raymond Hettingers Pycon 2017 Talk, What is the Database Representation
在 Raymond Hettinger 的演讲中，他展示了数据库索引的表示。下面显示的是
[None, 4, None, 1, None, None, 0, None, 2, None, 3, None, None, None,None]
我想他稍后会在谈话中解释，但我无法将各个部分放在一起[=13=]
虽然我知道它包含 table 的索引，但该数组是什么以及它是如何生成的？它代表什么？具体来说，4 在列表的第一个位置（如果不是零索引则为第二个）代表什么？
由于时间限制，演示的那部分内容必须简洁明了，这样我才能进入中心主题，即 Python 词典中的技术。这里有更全面的解释。
平面文件
在relational databases, the data may be stored compactly in a flat file中：
Row Number Name Color City Fruit
---------- -------- -------- --------- -------
0 'guido', 'blue', 'austin', 'apple'
1 'sarah', 'orange', 'dallas', 'banana'
2 'barry', 'green', 'tuscon', 'orange'
3 'rachel', 'yellow', 'reno', 'pear'
4 'tim', 'red', 'portland', 'peach'
请注意，没有浪费 space（记录或字段之间的空洞）。
另外，插入顺序被保留（新记录按到达顺序追加到末尾）。
字母索引
为了加快查找速度，用户可以 create a separate index 进入 table。这是一个可以使用 O(log n) 二分法搜索的字母索引：
Name Row Number
-------- ----------
'barry' 2
'guido' 0
'rachel' 3
'sarah' 1
'tim' 4
在 Python 中，索引 table 将使用索引列表表示：
[2, 0, 3, 1, 4]
请注意，没有浪费 space（条目之间的空洞）。
散列索引
使用hash function构造索引table可以获得更好的查找性能。这是一个散列索引 table 提供 O(1) 搜索性能：
Hash Name Row Number
---- -------- ----------
0 - -
1 'tim' 4
2 - -
3 'sarah' 1
4 - -
5 - -
6 'guido' 0
7 - -
8 'barry' 2
9 - -
10 'rachel' 3
11 - -
12 - -
13 - -
14 - -
15 - -
在 Python 中，索引 table 将使用索引列表表示，但未使用的插槽具有 None 值：
[None, 4, None, 1, None, None, 0, None, 2,
None, 3, None, None, None, None, None]
这些特定值是通过 运行 对每个名称进行一些哈希函数获得的，结果取模 16（因为索引 table 中有 16 个槽），并执行冲突解决.细节不重要。
重要的是散列索引 table 允许比字母索引更快的查找，但它是以引入一些 "holes" 和浪费一点 space 为代价的在索引 table.
结论
实际上，Python 3.6 词典做出与使用散列索引 table 的数据库相同的 density/sparseness 选择。它们都密集地存储核心数据（包括键和值）。两者都只存储一次密钥。两者都使用稀疏 table 索引进行快速 O(1) 查找。并且都保留插入顺序。
注意事项
这个类比在很多方面都不完美。例如，数据库平面文件将数据直接存储在 table 中，而 Python 容器仅具有对字段值的引用。此外，哈希 table 通常保存在 RAM 中，而数据库通常使用持久存储。
但是，关于 space 利用率和如何保留插入顺序的类比相当准确。
在 Raymond Hettinger 的演讲中，他展示了数据库索引的表示。下面显示的是
[None, 4, None, 1, None, None, 0, None, 2, None, 3, None, None, None,None]
我想他稍后会在谈话中解释，但我无法将各个部分放在一起[=13=]
虽然我知道它包含 table 的索引，但该数组是什么以及它是如何生成的？它代表什么？具体来说，4 在列表的第一个位置（如果不是零索引则为第二个）代表什么？
由于时间限制，演示的那部分内容必须简洁明了，这样我才能进入中心主题，即 Python 词典中的技术。这里有更全面的解释。
平面文件
在relational databases, the data may be stored compactly in a flat file中：
Row Number Name Color City Fruit
---------- -------- -------- --------- -------
0 'guido', 'blue', 'austin', 'apple'
1 'sarah', 'orange', 'dallas', 'banana'
2 'barry', 'green', 'tuscon', 'orange'
3 'rachel', 'yellow', 'reno', 'pear'
4 'tim', 'red', 'portland', 'peach'
请注意，没有浪费 space（记录或字段之间的空洞）。
另外，插入顺序被保留（新记录按到达顺序追加到末尾）。
字母索引
为了加快查找速度，用户可以 create a separate index 进入 table。这是一个可以使用 O(log n) 二分法搜索的字母索引：
Name Row Number
-------- ----------
'barry' 2
'guido' 0
'rachel' 3
'sarah' 1
'tim' 4
在 Python 中，索引 table 将使用索引列表表示：
[2, 0, 3, 1, 4]
请注意，没有浪费 space（条目之间的空洞）。
散列索引
使用hash function构造索引table可以获得更好的查找性能。这是一个散列索引 table 提供 O(1) 搜索性能：
Hash Name Row Number
---- -------- ----------
0 - -
1 'tim' 4
2 - -
3 'sarah' 1
4 - -
5 - -
6 'guido' 0
7 - -
8 'barry' 2
9 - -
10 'rachel' 3
11 - -
12 - -
13 - -
14 - -
15 - -
在 Python 中，索引 table 将使用索引列表表示，但未使用的插槽具有 None 值：
[None, 4, None, 1, None, None, 0, None, 2,
None, 3, None, None, None, None, None]
这些特定值是通过 运行 对每个名称进行一些哈希函数获得的，结果取模 16（因为索引 table 中有 16 个槽），并执行冲突解决.细节不重要。
重要的是散列索引 table 允许比字母索引更快的查找，但它是以引入一些 "holes" 和浪费一点 space 为代价的在索引 table.
结论
实际上，Python 3.6 词典做出与使用散列索引 table 的数据库相同的 density/sparseness 选择。它们都密集地存储核心数据（包括键和值）。两者都只存储一次密钥。两者都使用稀疏 table 索引进行快速 O(1) 查找。并且都保留插入顺序。
注意事项
这个类比在很多方面都不完美。例如，数据库平面文件将数据直接存储在 table 中，而 Python 容器仅具有对字段值的引用。此外，哈希 table 通常保存在 RAM 中，而数据库通常使用持久存储。
但是，关于 space 利用率和如何保留插入顺序的类比相当准确。