数学建模社区-数学中国

标题: 向量分组聚集计算技术研究 [打印本页]
作者: 杨利霞    时间: 2020-10-29 15:44
标题: 向量分组聚集计算技术研究
向量分组聚集计算技术研究
. o- i7 V& E0 _  h

9 m7 R" Q3 m1 @) k/ f/ R
8 z4 _+ E! D' d% {) q分组聚集计算是 OLAP 重要的操作符之一,分组聚集操作是一种数据密集型负载.在内存数据库和! K3 U8 v# x) y
GPU 数据库应用场景下不仅需要研究其性能优化技术,还需要研究如何优化分配分组聚集计算执行场地以最
2 p+ q4 K: y, R/ w小化 CPU 与 GPU 之间的数据传输代价.针对异构计算平台的硬件特征提出了向量聚集计算技术,将位于传统
9 i+ C$ j, h7 p/ C流水线末端的分组聚集计算按照“早分组,晚聚集”策略进行分解与下推,实现将数据密集型的分组聚集计算从
0 J1 A) M+ j  I2 Z* l流水线中分离,将操作与处理器计算特性优化匹配,实现异构计算平台上最优的负载分配.通过将传统基于哈希
% c; y: o3 n* e: O$ d分组的聚集计算转换为向量分组聚集计算,显著提升了分组聚集计算性能.实验结果表明,向量分组聚集技术相5 v" V9 k) y; v- Y$ j! X8 g
对于具有代表性的高性能内存数据库 Hyper、GPU 数据库 MapD 最大达到 5-8 倍的性能提升.向量聚集计算不
* g9 A7 `; L6 E5 k0 I* _- g$ a仅提高了 OLAP 聚集计算性能,而且实现了将数据密集型负载从查询计划中分离的目标,使异构计算平台能够; o0 h; E/ E7 n/ j5 W
根据处理器的硬件特性优化配置计算资源,提高异构计算平台 OLAP 的整体性能
: U2 q* s# L( \' {. t  l; H
  \' K6 W6 V& A  L" L
4 l- o0 n9 Z: M& M1 N$ w- D9 o, u
* R8 ~. Y) [9 @4 |5 ?, I9 ~7 b2 d
3 h! p' ]) P8 _. c6 m. G- {9 m6 n; N8 w: n8 _. U& N1 D8 [8 K6 t9 ~

向量分组聚集计算技术研究.pdf

1.07 MB, 下载次数: 0, 下载积分: 体力 -2 点

售价: 3 点体力  [记录]  [购买]





欢迎光临 数学建模社区-数学中国 (http://www.madio.net/) Powered by Discuz! X2.5