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

: z) y/ {+ ?9 |1 [0 N& Y

3 I8 f% ?" v# z  F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
- O0 \  r" i, M8 n3 I, q, ?: IGPU 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
6 e: B: K1 H2 b8 I3 C. S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
4 ^2 N9 a/ N3 ~* v! F. n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
4 d& `3 v; {% h( B/ G* g( c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
7 K5 a( j( A2 ~# P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




1 ^0 b7 x7 l* U, c) y' _) _3 W