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

/ {% K& q0 [& t. {0 y( C
8 q. k1 e- d+ N# Z* z* A( J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
2 `& k% Z0 C7 [% DGPU 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
& g4 @( w6 I, E( V3 L# Z" b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
7 o, ]3 |* m( f* \# ^' h& B. D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
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
6 f* a# T# [, V! Q& m! S

, i2 k# {8 a; B( o. s" P

3 ~  e/ W! ^9 ~; K$ L7 L