资料下载
基于向量引用的Platform-oblivious内存连接优化技术
分享资料个
以MapD为代表的图分析数据库系统通过GPU、Phi等新型众核处理器来支持高性能分析处理在面向复杂数据模式时连接操作仍然是重要的性能瓶颈，近年来。异构处理器逐渐成为高性能计算的主流平台，内存连接性能的研究从多核CPU平台扩展到新兴的众核处理器，但众多的研究成果并未系统地揭示连接算法性能、连接数据集大小、硬件架构之间的内在联系，难以为未来异构处理器平台的数据库提供连接平台优化选择策略．本文以面向多核CPU、Xeon Phi、GPU处理器平台的内存连接优化技术为目标。通过优化内存哈希表设计。实现以向量映射替代哈希映射操作。消除哈希代价对内存连接算法的影响，从而更加准确地测量内存连接算法在多核CPU的cache大小、Xeon Phi的cache大小、Xeon Phi的并发多线程、GPU的SIMT（单指令多线程）机制等硬件相关因素影响下的性能特征，实验结果表明。缓存与并发多线程机制是提高内存连接算法性能的重要影响因素，缓存机制对于满足cache大小的连接操作具有性能优势，而GPU的并发多线程机制则在较大表的连接操作中具有较高的性能，XeonPhi则在满足其L2 cache大小的连接操作中具有最高性能，实验结果揭示了内存连接操作性能与异构处理器硬件特性的联系。为未来异构处理器平台内存数据库查询优化器提供了优化策略．
声明：本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人，不代表电子发烧友网立场。文章及其配图仅供工程师学习之用，如有内容侵权或者其他违规问题，请联系本站处理。 举报投诉
- 相关下载
- 相关文章
