鐵人檔案
2017年Google發了一篇論文叫 " The Case for Learned Index Structures "，他們提出了一個嶄新的想法，使用機器學習、深度學習的模型學習資料的分布，使用模型預測資料的所在位置，就能更快速地查找到資料，他們將這樣的索引結構稱為 "Learned Index" 。
我希望能基於此論文，進行30天的鐵人競賽，探討並實作出Learned Index !
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...
在介紹B+-Tree前一定要介紹B-Tree，因為B+-Tree為B-Tree的變種，那我先來介紹B-Tree嚕 ! B-Tree 所謂的B-Tree即為Bal...
上一篇介紹了B-Tree，今天一樣要來簡單地介紹一下B+-Tree嚕~ B+-Tree B+-Tree跟B-Tree不一樣的點在於.... 多了一個+號 開玩笑...
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...
昨天我們簡單介紹了 Learned Index，主要是學習資料在array中的分布，建置Model，使用Model預測出資料在array中的位置。 那是學習甚麼...
前一天我們簡略地介紹了CDF，Kraska et al. 發現對於排序好的Key值，其CDF的分布會近似於Key值的位置~ 下面這張圖為Key 與 CDF 的曲...
回顧一 下，Learned Index建置Model，學習資料的CDF分布，預測出位置。 但是，有一個問題是對於Model來說，預測出的位置可能會有錯誤，也就是...
前面幾天大致上介紹了關於Learned Index的概念與初步架構，如果前面的都忘了，或是沒有聽懂的地方，只要知道就是建置Model來取代傳統索引就好XD 沒有...
昨天講到 Kraska et al. 建置神經網路進行初步實驗測試，今天主要是要講實驗的測試結果，經由初步的測試結果它們發現: 使用Model進行預測 每秒可...
經過初步實驗結果，可以發現Model的執行時間相對其他的索引結構慢，也沒辦法很精準地預測結果... 那幹嘛用 Model....XD 開玩笑的...人家是大神，...
