在多GPU环境中的大型数据库表的高效连接算法
Ran Rui1, Hao Li1, Yi-Cheng Tu1
1University of South Florida, Tampa, Florida, USA.
概括
本研究介绍了新的多GPU算法,用于处理大型关系连接,克服数据传输的挑战. 这些GPU加速方法比现有的CPU和GPU解决方案提供了显著的性能改进.
科学领域:
- 计算机科学 计算机科学
- 数据库系统 数据库系统
- 并行计算是一种平行计算.
背景情况:
- 关系连接处理是数据库管理系统的基础.
- 图形处理单元 (GPU) 显示出加速关系连接的前景.
- 现有的GPU连接算法与非常大的数据集和多GPU环境作斗争.
研究的目的:
- 为了应对使用多个GPU在关系联接处理中处理大量输入数据的挑战.
- 探索用于联合处理的多GPU环境的好处.
- 为了设计高效的多GPU连接算法,克服了CPU-GPU数据传输限制.
主要方法:
- 提出了三种独特的多GPU连接算法:嵌套循环,全球排序合并和混合连接.
- 专注于优化大型表连接的CPU和GPU之间的数据传输.
- 在多个数据库和硬件配置上进行了广泛的实验.
主要成果:
- 证明了拟议的算法的高可扩展性,随着数据大小的增加.
- 通过使用多个GPU实现了显著的性能提升.
- 超越现有的合并算法,显示多核CPU的速度高达25倍,单个GPU的速度高达2.8倍.
结论:
- 开发的多GPU连接算法有效地处理大型数据集.
- 多GPU系统为关系联接处理提供了实质性的性能优势.
- 这些算法代表了现代硬件数据库加速的重大进步.


