本文档是 experiments-todo.md 的落地版本，描述文件组织、程序划分和执行流程。 状态标记与 experiments-todo.md 保持同步：✅ 已有数据，TODO 待实验。
experiment/ ├── plan.md ← 本文档 ├── experiments-todo.md ← 实验需求原始清单（权威来源） ├── design.md ← ConstrainedTsFileWriter 设计文档 │ ├── common/ ← 跨实验共用的数据生成逻辑 │ ├── chap03/ ← 第三章：内存建模 │ ├── E3_1_write_model/ ← E3-1a（无 flush 动机实验）；E3-1b 已有 │ ├── E3_2_write_precision/ ← E3-2（已有，write_memory/ 产出） │ ├── E3_3_read_memory/ ← E3-3（TODO：读取内存模型验证） │ └── E3_4_write_budget/ ← E3-4（TODO：不同内存预算写入性能） │ ├── chap04/ ← 第四章：多线程并行化 │ ├── E4_12_throughput/ ← E4-1 写入 + E4-2 读取加速比（共用程序） │ ├── E4_3_alpha/ ← E4-3 α 实测（后处理脚本） │ └── E4_4_combined/ ← E4-4 多线程+SIMD 叠加 │ ├── chap05/ ← 第五章：SIMD 向量化 │ ├── E5_1_codec/ ← E5-1 编解码吞吐 SIMD ON/OFF │ ├── E5_2_filter_latmat/ ← E5-2 时间过滤+延迟物化（合并） │ └── E5_3_platform/ ← E5-3 跨平台对比 │ ├── chap06/ ← 第六章：AI 负载接口 │ ├── E6_1_vs_parquet/ ← E6-1 TsFile vs Parquet │ ├── E6_2_opt_stack/ ← E6-2 优化透传（Python） │ └── E6_3_stream_mem/ ← E6-3 流式迭代内存控制 │ ├── write_memory/ ← 已有实验（E3-1b/E3-2 产出来源） └── read_perf/ ← 已有实验（E6-1 read_benchmark 基础）
| 编号 | 类型 | 描述 |
|---|---|---|
| F3-1 | 图 | 顺序写入内存曲线（有 flush，锯齿形） |
| F3-2 | 图 | 混合写入内存曲线（有 flush） |
| T3-1 | 表 | 各模块内存分布 |
| T3-2 | 表 | 顺序写入 flush 事件 |
| T3-3 | 表 | 混合写入 flush 事件 |
| T3-4 | 表 | 两种写入模式对比 |
| T3-5 | 表 | 写入内存模型精度（batch_size 5K/6K/8K/10K） |
| 程序名 | 所在目录 | 涉及产出 | 编译配置 |
|---|---|---|---|
no_flush_bench | chap03/E3_1_write_model/ | F3-0 | C5 |
read_mem_model | chap03/E3_3_read_memory/ | F3-3, T3-6 | C5 |
write_budget | chap03/E3_4_write_budget/ | F3-4, T3-7 | C4 |
throughput_bench | chap04/E4_12_throughput/ | F4-1/F4-2, T4-1~T4-6 | C1/C2/C4 |
codec_bench | chap05/E5_1_codec/ | T5-1, T5-2 | C1/C3 |
filter_bench | chap05/E5_2_filter_latmat/ | F5-1, F5-2, T5-3 | C1/C3 |
stream_mem_bench | chap06/E6_3_stream_mem/ | F6-1 | C4 |
| 程序 | 改动 | 涉及产出 |
|---|---|---|
read_perf/read_benchmark.cpp | 增加 --cols 参数，支持 4/8/16 FIELD 列宽 | T6-1 |
| 脚本名 | 所在目录 | 涉及产出 | 说明 |
|---|---|---|---|
calc_alpha.py | chap04/E4_3_alpha/ | T4-7 | 从 E4-1/E4-2 CSV 反推 α |
bench_api.py | chap06/E6_2_opt_stack/ | T6-2 | Python to_dataframe() 端到端 |
pip3 install pyarrow pandas第三章 E3-1a no_flush_bench（C5） → F3-0（动机对照） E3-3 read_mem_model（C5） → F3-3, T3-6 E3-4 write_budget（C4） → F3-4, T3-7 第五章 E5-1 codec_bench（C1 vs C3） → T5-1, T5-2 E5-2 filter_bench（C1 vs C3） → F5-1, F5-2, T5-3 E5-3 filter_bench/codec_bench → T5-4（跨平台，同程序不同硬件） 第四章 E4-1/2 throughput_bench（C1/C2/C4）→ F4-1, F4-2, T4-1~T4-6 E4-3 calc_alpha.py → T4-7（无需新实验，复用 E4-1/4-2 CSV） E4-4 throughput_bench（C1/C2/C3/C4）→ T4-8 第六章 E6-1 read_benchmark（C4） → T6-1 E6-2 bench_api.py（C1/C2/C3/C4）→ T6-2 E6-3 stream_mem_bench（C4） → F6-1
将实验 CSV 数据填入各章 LaTeX 表格和图。
| 产出 | 类型 | 章 | 程序 |
|---|---|---|---|
| F3-0 | 图 | 3 | no_flush_bench |
| F3-3 | 图 | 3 | read_mem_model |
| F3-4 | 图 | 3 | write_budget |
| T3-6 | 表 | 3 | read_mem_model |
| T3-7 | 表 | 3 | write_budget |
| F4-1 | 图 | 4 | throughput_bench |
| F4-2 | 图 | 4 | throughput_bench |
| T4-1~T4-3 | 表×3 | 4 | throughput_bench（写入，3 种压缩） |
| T4-4~T4-6 | 表×3 | 4 | throughput_bench（读取，3 种压缩） |
| T4-7 | 表 | 4 | calc_alpha.py |
| T4-8 | 表 | 4 | throughput_bench（4 组配置） |
| T5-1 | 表 | 5 | codec_bench |
| T5-2 | 表 | 5 | codec_bench |
| F5-1 | 图 | 5 | filter_bench |
| F5-2 | 图 | 5 | filter_bench |
| T5-3 | 表 | 5 | filter_bench |
| T5-4 | 表 | 5 | codec_bench + filter_bench |
| T6-1 | 表 | 6 | read_benchmark（扩展） |
| T6-2 | 表 | 6 | bench_api.py |
| F6-1 | 图 | 6 | stream_mem_bench |
合计 TODO：8 图 + 16 表（与 experiments-todo.md §八一致）
E3-4 依赖 ConstrainedTsFileWriter 完成：需确认 get_data_size() / get_meta_size() 接口已合并到 final 分支。
E4-1/4-2 数据文件：不同压缩算法（LZ4/ZSTD）需要重新生成对应的 TsFile，因为压缩算法在写入时确定。
E6-1 Parquet 宽度：列数变化时（4/8/16）需重新生成对应宽度的 Parquet 文件。
E5-3 跨平台：fit39 只有 x86 AVX2；若无 ARM 设备则降级为 AVX2 vs 标量，在论文中注明。
E6-3 10GB 文件：需挂载 HDD（/dev/sda），提前写好数据。
每组实验至少跑 3 次，CSV 保留每次原始数据，取中位数报告。