Hi~各位大大平安 !
這是我第一次參加 IT幫鐵人賽，由於我們團長Ian想要組隊，但人數不足，邀請我參予這次的競賽，後來被他真摯地邀約打動，因此決定加入他的戰隊與他並肩作戰，唬爛出屬於我們的一片天XD

這次為期30天的鐵人競賽，主要為介紹 The Case for Learned Index Structures 這篇Paper，剛好在讀研究所時有讀到這篇論文，想說來介紹一下，順便簡單地實作出來(練個功)。但我不會逐一詳細地導讀此篇論文，而是概略性地介紹講解，請大家多多指教嘞 !

The Case for Learned Index Structures

在這裡就簡短地敘述一下，傳統的資料結構 e.g. B+-Tree、Hash Table、Bloom filter，這些都是長期應用於資料庫儲存系統底層的結構，為期好幾十年了，大家也把他們稱為索引結構，就像一般書本前面都會有目錄，只要藉著目錄，我們就能找到特定頁數或是特定標題(不用一頁一頁翻)，索引結構功用就是如此，可以很快地找到所需的資料。

Kraska et al.他們提出了一個很酷的想法，他們使用機器學習或是深度學習的模型，來取代傳統的索引結構，他們將這樣的結構稱為 學習索引 (Learned Index)。

接下來我會簡單地介紹傳統地索引結構B-Tree、B+-Tree
後續的實作不確定是否作的完，我會盡力低QQ

Reference:

Kraska, Tim, et al. "The case for learned index structures." Proceedings of the 2018 International Conference on Management of Data. 2018.