- 在线时间
- 1630 小时
- 最后登录
- 2024-1-29
- 注册时间
- 2017-5-16
- 听众数
- 82
- 收听数
- 1
- 能力
- 120 分
- 体力
- 555448 点
- 威望
- 12 点
- 阅读权限
- 255
- 积分
- 172007
- 相册
- 1
- 日志
- 0
- 记录
- 0
- 帖子
- 5313
- 主题
- 5273
- 精华
- 18
- 分享
- 0
- 好友
- 163
TA的每日心情 | 开心 2021-8-11 17:59 |
---|
签到天数: 17 天 [LV.4]偶尔看看III 网络挑战赛参赛者 网络挑战赛参赛者 - 自我介绍
- 本人女,毕业于内蒙古科技大学,担任文职专业,毕业专业英语。
 群组: 2018美赛大象算法课程 群组: 2018美赛护航培训课程 群组: 2019年 数学中国站长建 群组: 2019年数据分析师课程 群组: 2018年大象老师国赛优 |
向量分组聚集计算技术研究 ; ]* x1 E1 n2 W6 G) z
6 t) N$ Z) |# a* s: H8 Z+ ?( S
3 p3 `+ e0 Y' ~8 k! N5 ^, a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. t- ^ D+ i$ _6 M! s8 q& O
GPU 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9 I& N$ h. y* 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 p; b% Y/ B( F6 M T. S7 F
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
. C! p- W- p" d* m# v o; r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$ n! V9 o# l2 ]1 r8 _- c; V7 F
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
5 r7 K& I5 H! C% O, i3 e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
$ @) K( [* C$ z0 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
' a |3 m! p* Z8 }+ O/ A" K. t _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) [' ]( e+ x3 m
( R! a5 Y# w& o! d5 V
o4 E. g# Q2 z
% F7 O7 a7 G5 H6 S$ B9 d
$ I% \! K& h. l3 u1 C/ `$ X0 D( }/ O2 |; ~$ l
|
zan
|