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

4 s! ^2 G6 W7 u
/ s& m; b6 x) i2 q5 A4 k* |& {' \) F" U8 \
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
  ?" c! l! o) u4 s/ nGPU 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
; y  r7 U# ~5 Z4 q7 l. k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
7 e5 i2 ^& ]" O2 ?1 a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
) }6 m0 e7 k) v' P3 O8 Z9 Y' P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
) e* b4 G1 p, m% ~$ }) f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 V1 w# H# ?4 n- L$ p' l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& S& b5 h" c8 h7 `5 ]( ?
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
6 z3 `7 g7 S( C6 z* ?, |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, |- p0 |3 P; D' {. ~+ ~* V$ h

3 s8 H$ C" _& U' _* ~- [9 o2 M. \) I- T; O% W- k$ {
5 I+ R( C& r$ C9 P) O; Q2 |
- w. N' ~  Z5 k$ n" {* }# B$ a

4 A  w% T7 }" _- t" V- `$ ]; M0 Z

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