称之为索引组织表

索引组织表（Index Organized Table, IOT）并非传统关系型数据库中的索引结构，而是机器学习领域针对稀疏向量（Sparse Vectors）设计的一种专用存储格式。其核心思想是将稀疏矩阵中的非零元素通过哈希函数映射到连续的内存块中，并记录其原始索引位置。这种结构旨在解决传统稠密存储浪费空间及稀疏存储访问效率低下的问题，特别适用于推荐系统、自然语言处理等涉及海量稀疏特征的场景，是连接稀疏数据表示与高性能计算的关键桥梁。

在现代计算架构中，索引组织表扮演着数据压缩与加速的双重角色。随着机器学习模型参数量呈指数级增长，稀疏向量的存储与计算成为瓶颈。IOT 通过巧妙的哈希布局，将稀疏数据转化为紧凑的连续内存块，不仅大幅降低了内存占用（通常可减少 90% 以上），还通过预计算哈希索引消除了运行时查找开销。它在工业界推荐引擎、深度学习特征存储及大规模图计算中占据核心地位，是平衡存储成本与计算吞吐量的关键技术方案，推动了从传统稀疏矩阵格式向高效专用存储架构的演进。