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

: J$ [8 o$ ]9 x( O  V! b& E9 s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
& G# W9 G1 D7 F5 Q$ ^+ g4 QGPU 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
* E4 @5 U2 F: f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
! \5 y! `$ X. Q, B6 g% H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
& Z8 q& G! }4 I1 H6 H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
6 Q3 i: b9 _7 ?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
' Y% v) q. l! i  y" K) s8 i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
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

; @& T. {2 k9 Z  w7 S- [

0 N' _% K4 d) e7 ^4 k  i
, k6 C7 ~! ~/ n1 u0 X
  e; a! z# y9 D% N8 Z