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

! I9 D) Q( x' N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, {+ h: @3 y8 a' I7 Y  U5 \) zGPU 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
0 n2 l# m& H+ q9 [* K  x- j" R+ l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
1 l% T  l5 l8 B1 R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
+ _+ M4 H7 h3 n! o  O: A2 I% {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
" ^9 F  y+ d# g, f6 t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
$ z8 Q) i5 V. ^8 g7 `* m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

3 H6 Z6 ]' `- q3 K$ n! {


- c& o6 G+ ?0 n4 \
6 R$ ]7 `  d1 s3 E0 x