項目簡介：
以B+樹爲索引的基於隨機投影技術的高維近似最近鄰查詢
(1) 關於c-ANN：
(2) 關於Medrank:
（3） 關於數據集：
階段簡介：
B+樹節點：
幾個問題：
1.爲什麼不用哈希索引？
哈希索引與B樹索引檢索的原理：
hash相當於把key通過hash函數計算，得到key的hash值,再用這個hash值做指針，查找hash表中是否存在key，如果存在就返回 key所對應的value，選定一個好的hash函數很重要，好的hash函數可以使計算出的hash值分佈均勻，降低衝突，只有衝突減小了，纔會降低 hash表的查找時間。
b-tree完全基於key的比較，和二叉樹相同的道理，相當於建個排序後的數據集，使用二分法查找算法，實際上也非常快，而且受數據量增長影響非常小。
比較：Hash 索引結構的特殊性，其檢索效率非常高，索引的檢索可以一次定位，不像B-Tree 索引需要從根節點到枝節點，最後才能訪問到頁節點這樣多次的IO訪問，所以 Hash 索引的查詢效率要遠高於 B-Tree 索引。但是，Hash索引僅僅能滿足”=”,”IN”和”<=>”查詢，不能使用範圍查詢
2.其他高維最近鄰查詢算法：
位置敏感的哈希LSH：相似數據高概率哈希到相同的衝突桶，不相似的數據幾乎不被哈希到相同的桶中；對於查詢，用一組相同的哈希函數把查詢哈希到桶空間，把衝突桶數據對象作爲最近鄰候選。
相似性查詢：把數據對象轉成二進制編碼，在海明空間內進行距離計算
項目源碼：https://github.com/cajet/SYSU_DB/tree/master/src/homework%203