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

/ h+ L# U& B* |5 q6 a* M0 ?9 Z/ E5 v% S, j
6 [; w1 `9 j- @( W: h3 J! O
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
5 a7 a6 N7 I; q! |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! I% h- v) c! ~9 K' `/ d0 A
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 W: s. D% ^' T' L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) K3 i/ [4 ]$ u3 M" }* [
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
5 F/ L" p2 j: G1 x& Z+ C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 D) n: G. c( ]7 \! D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
9 E' n& H, o- A' Z6 E! k2 @7 T; o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
7 r( F9 B$ l% r: ~6 G  `$ h0 ^  u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
" P) b, U" Z9 r) \7 w. I- \; w: M! U  P& w# p+ P. m9 J; R. m

0 ^, {1 M! @3 H2 q" W/ {7 W3 o3 h7 x* ^* U- V( D8 H' S; t4 ]
1 l- R' f3 q% N7 o, R( }
& J! t: A2 _% E( [0 a2 {- q

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