dr. bradley kuzmaul的结果是(页13):
从结果来看：
不过，ramp这块的分析有个小问题：
lsm(leveled)在实现上(比如leveldb)，可以通过meta-info打＂锚点＂的方式，把ramp(range)降低甚至做到跟ft一样，如果是point queries的ramp，则可以通过bloom filter来降低。
具体的推导过程请阅读原作，下面简单分析下ft的ramp为啥比lsm的要低。
ft的读方式比较＂特殊＂，由于每个节点都有个message buffer，当有读请求时，需要把inner node的message buffer数据（部分）推(apply)到leaf node，最后只在leaf node上做二分查找，所以ramp基本就是树的高度。
另外，在数据流向上(compaction过程中数据走向)，lsm强调"level"(横向)，从level-l根据规则选取部分数据merge到level-(l+1)，如果选取数据的策略不好，会抢占磁盘带宽，容易引起性能抖动，而ft强调"root-to-leaf"(纵向)，数据从root有序的逐层merge到leaf节点，每条数据的merge路径是很明确的。