项目简介：
以B+树为索引的基于随机投影技术的高维近似最近邻查询
(1) 关于c-ANN：
(2) 关于Medrank:
（3） 关于数据集：
阶段简介：
B+树节点：
几个问题：
1.为什么不用哈希索引？
哈希索引与B树索引检索的原理：
hash相当于把key通过hash函数计算，得到key的hash值,再用这个hash值做指针，查找hash表中是否存在key，如果存在就返回 key所对应的value，选定一个好的hash函数很重要，好的hash函数可以使计算出的hash值分布均匀，降低冲突，只有冲突减小了，才会降低 hash表的查找时间。
b-tree完全基于key的比较，和二叉树相同的道理，相当于建个排序后的数据集，使用二分法查找算法，实际上也非常快，而且受数据量增长影响非常小。
比较：Hash 索引结构的特殊性，其检索效率非常高，索引的检索可以一次定位，不像B-Tree 索引需要从根节点到枝节点，最后才能访问到页节点这样多次的IO访问，所以 Hash 索引的查询效率要远高于 B-Tree 索引。但是，Hash索引仅仅能满足”=”,”IN”和”<=>”查询，不能使用范围查询
2.其他高维最近邻查询算法：
位置敏感的哈希LSH：相似数据高概率哈希到相同的冲突桶，不相似的数据几乎不被哈希到相同的桶中；对于查询，用一组相同的哈希函数把查询哈希到桶空间，把冲突桶数据对象作为最近邻候选。
相似性查询：把数据对象转成二进制编码，在海明空间内进行距离计算
项目源码：https://github.com/cajet/SYSU_DB/tree/master/src/homework%203