向量分组聚集计算技术研究

杨利霞

向量分组聚集计算技术研究

, A$ P+ H5 P$ U- X% {: T3 Q2 v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
/ M! t3 T' T+ A, V* J, V* z1 {- `9 MGPU 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
5 h% X6 {9 K2 U9 h  I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
# Q. H) q& r" i$ F8 d, K3 d5 x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
+ i3 k. q9 O" ]( P# a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
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
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
/ Y1 n% V: ^/ x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
$ p3 a* w. y8 Z8 J5 I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
% \* F1 ]5 }/ D7 _# a8 t+ ?3 T


% E+ z* J  k/ L! H
! R  U6 S3 E) h
2 q, S  k4 s& [6 a- v1 ^