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
$ x, F1 v# R6 a8 s. B
/ q3 @# ^2 t5 {  T$ w
) m) i# _$ n- F. M, m5 H& x
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
- `8 F6 f5 C0 S1 b- EGPU 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
( F! G2 ~- t$ 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
  c8 t2 E9 @% M, K3 Q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- T2 a$ o/ A3 }
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/ L; \4 \( y& B$ V' A
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
, z! U5 x* u' ~: r* u) P+ ^7 R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; a6 @0 U3 j& d: f
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
* }3 e9 d# U6 z0 E/ n3 }8 q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8 Y4 w. U+ B6 S5 I, g# _. e

1 B) b6 ^) h9 x% I+ K* o
5 S6 y0 A3 l, I0 B$ \. o
" g' w8 |+ u3 ]  F
1 G: Z# O% X- v
' ^0 y# \# O4 Z0 }

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