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

. _) n% F8 m; U5 [6 z1 {% N; B
; i4 Z7 [6 [! @  c" ~) W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
7 T% i0 g  n' @. b( ?- 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
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
5 V* e" I- g/ B1 z+ }' L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
1 ^+ x5 ?. j1 `9 b7 z9 s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
  M+ j! y1 D6 k& S5 t7 P8 p" d1 G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
- V9 y" `6 m( d% _* G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
. l: `, C: j! N7 A

! x5 M9 G1 i! N) A( T. S/ S" h
9 O9 ]# B# U0 N7 k5 e
1 R( Z9 s& V* l) \