dr. bradley kuzmaul的結果是(頁13):
從結果來看：
不過，ramp這塊的分析有個小問題：
lsm(leveled)在實作上(比如leveldb)，可以通過meta-info打＂錨點＂的方式，把ramp(range)降低甚至做到跟ft一樣，如果是point queries的ramp，則可以通過bloom filter來降低。
具體的推導過程請閱讀原作，下面簡單分析下ft的ramp為啥比lsm的要低。
ft的讀方式比較＂特殊＂，由于每個節點都有個message buffer，當有讀請求時，需要把inner node的message buffer資料（部分）推(apply)到leaf node，最後隻在leaf node上做二分查找，是以ramp基本就是樹的高度。
另外，在資料流向上(compaction過程中資料走向)，lsm強調"level"(橫向)，從level-l根據規則選取部分資料merge到level-(l+1)，如果選取資料的政策不好，會搶占磁盤帶寬，容易引起性能抖動，而ft強調"root-to-leaf"(縱向)，資料從root有序的逐層merge到leaf節點，每條資料的merge路徑是很明确的。