接續前兩天簡單地介紹 B-Tree & B+-Tree，今天要來介紹本次競賽的主軸 Learned Index 嚕!!!
什麼是Learned Index?

直接用以下兩張圖解釋(一張圖勝過千言萬語! 因為自己不太會解釋XD):

我們前幾天介紹過，傳統的索引結構，對於排序好的資料(Sorted Array)，主要使用B+-Tree，已設計好的樹狀結構儲存資料，其實可以把它看成，利用B+-Tree索引結構我們就能找到在Array中的資料，如左圖所示。

那 Learned Index 呢?

Learned Index 則是使用機器學習或是深度學習的 Model 取代傳統的 B+-Tree 當作索引結構，如右圖所示 。也就是說，Learned Index 使用 Model 來預測資料的位置，再換句話說，Learned Index使用Model來預測Key在Array中的位置。

聽起來....真的很酷 XD

以我的智商我永遠也想不到可以使用 Model 當作索引結構....現在大部分的機器學習、深度學習的應用幾乎都是應用於圖像、聲音這兩大主題，Kraska et al. 這篇 paper 一提出來，直接wow! wow! wow! 三聲，真的是太新穎了ㄅ! 顛覆我們的三觀 XD

Learned Index直翻成中文為 學習索引 ，那...是學習甚麼呢 ?

我們明天再說~~掰噗 !