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
$ c  d& Y6 o1 ~( o' Q
9 O5 c, x) x: [/ u

/ T# x$ m/ t/ z" n) _1 i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
0 _+ V( g7 H* h$ x/ \8 o  bGPU 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8 p# z# w" \6 t. G& k& j
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3 f2 j, k+ E  ?9 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8 ^7 m. Q* x( x: V
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6 A, S1 V- A% l% R  j- \) ?* r; S- ~
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: n- Z( U5 y3 ?6 L( W! j/ j
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2 G% m; [2 c( Y4 X" i2 i) V( [5 N7 ]
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
$ ~# Q- U. d  t) W0 j: \- \3 y1 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
* g' \9 l# J  m" [  {4 r2 d# Z7 A9 O
5 w( i  Q1 [1 n3 ]; K2 _$ D
2 i. X3 ?3 g( [3 @! h
9 F6 @- N! L% q4 e7 l8 h
5 T( d  [4 P" Z: ^! o$ f( i& N0 I3 A/ N0 D

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