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

2 v  ?5 r2 [: r# V  w, C/ a' R

7 b: r2 A6 c$ M& ~/ i" Q1 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
, k& M3 l6 |; P: p# {9 C* P3 KGPU 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
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
7 P- _+ F3 w5 v1 R- w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
# L6 N3 k# |  @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
# T7 e6 I8 Y: b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


' `7 ^# W  i6 H: e: N
# S. z" W7 E. ]2 X: P: o8 z7 [; F* k
5 ]- [( j# x4 [. W' x
" c1 i: o# y# B( ]