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

' r. ^( Q( z* P& q! ~
& E1 P9 w' K/ T+ `# g3 q( u
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/ B0 X( I# ~* u9 R: gGPU 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
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
; V% O9 v5 z0 v- l% ^9 z) T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
" A2 o- T2 \) p! K- m: c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
6 _$ b! Z) F2 W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
3 q- g+ ?2 W4 B% W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
1 m. _, F! s) Q8 `" 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

0 M2 M" `( b/ S

, E# a8 X8 |4 A4 m. D  `/ B
  z' }7 F! ~" l& y