Set up docs MCPhashed
该字典以哈希表形式完整存储在内存中。字典可包含任意数量、使用任意标识符的元素。实际使用中，键的数量可达到数千万级别。
字典键的类型为 UInt64。
支持所有类型的数据源。更新时，会完整读取全部数据 (来自文件或表) 。
配置示例：
LAYOUT(HASHED())<layout>
<hashed />
</layout>带设置项的配置示例：
LAYOUT(HASHED([SHARDS 1] [SHARD_LOAD_QUEUE_BACKLOG 10000] [MAX_LOAD_FACTOR 0.5]))<layout>
<hashed>
<!-- 如果分片数大于 1（默认值为 `1`），字典将并行加载
数据；当单个字典中包含大量元素时，这会很有帮助。 -->
<shards>10</shards>
<!-- 并行队列中块的积压大小。
由于并行加载中的瓶颈在于重新哈希，因此为了避免
线程在执行重新哈希时造成停顿，需要保留一定的
积压。
10000 在内存和速度之间提供了较好的平衡。
即使对于 10e10 个元素，也能处理全部负载而不会发生饥饿。 -->
<shard_load_queue_backlog>10000</shard_load_queue_backlog>
<!-- 哈希表的最大负载因子。该值越大，内存
利用率越高（浪费的内存更少），但读取性能
可能会下降。
有效值：[0.5, 0.99]
默认值：0.5 -->
<max_load_factor>0.5</max_load_factor>
</hashed>
</layout>sparse_hashed
与 hashed 类似，但会以增加 CPU 使用为代价来降低内存占用。
字典键的类型为 UInt64。
配置示例：
LAYOUT(SPARSE_HASHED([SHARDS 1] [SHARD_LOAD_QUEUE_BACKLOG 10000] [MAX_LOAD_FACTOR 0.5]))<layout>
<sparse_hashed>
<!-- <shards>1</shards> -->
<!-- <shard_load_queue_backlog>10000</shard_load_queue_backlog> -->
<!-- <max_load_factor>0.5</max_load_factor> -->
</sparse_hashed>
</layout>这种类型的字典也可以使用 shards；而且由于 sparse_hashed 速度更慢，这一点相比 hashed 更为重要。
complex_key_hashed
这种存储类型适用于复合键。与 hashed 类似。
配置示例：
LAYOUT(COMPLEX_KEY_HASHED([SHARDS 1] [SHARD_LOAD_QUEUE_BACKLOG 10000] [MAX_LOAD_FACTOR 0.5]))<layout>
<complex_key_hashed>
<!-- <shards>1</shards> -->
<!-- <shard_load_queue_backlog>10000</shard_load_queue_backlog> -->
<!-- <max_load_factor>0.5</max_load_factor> -->
</complex_key_hashed>
</layout>complex_key_sparse_hashed
这种存储类型用于复合键，与 sparse_hashed 类似。
配置示例：
LAYOUT(COMPLEX_KEY_SPARSE_HASHED([SHARDS 1] [SHARD_LOAD_QUEUE_BACKLOG 10000] [MAX_LOAD_FACTOR 0.5]))<layout>
<complex_key_sparse_hashed>
<!-- <shards>1</shards> -->
<!-- <shard_load_queue_backlog>10000</shard_load_queue_backlog> -->
<!-- <max_load_factor>0.5</max_load_factor> -->
</complex_key_sparse_hashed>
</layout>