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

0 o; w; a. U+ \/ u
: F$ w+ a7 I6 C+ n9 ]) g' e8 l: e
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
1 J' ^3 s, p9 HGPU 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
: X9 l; X# X( T) K% Z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
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
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
+ k8 j" D/ b8 l$ W4 h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
5 |4 ]) U9 s  Y2 x+ E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
( _  V$ h5 R& U/ d" R( M7 ~+ w* Z- o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
4 K' |3 Z) I! g5 e




; B  p2 y6 P7 ?$ p$ E