基于GPU的復(fù)雜SQL查詢(xún)優(yōu)化方法研究.pdf

1、隨著信息技術(shù)的發(fā)展，數(shù)據(jù)庫(kù)中數(shù)據(jù)存儲(chǔ)規(guī)模越來(lái)越大，呈現(xiàn)出數(shù)據(jù)量大、數(shù)據(jù)類(lèi)型多、價(jià)值密度低的特點(diǎn)。在這個(gè)背景下，數(shù)據(jù)庫(kù)的查詢(xún)操作從傳統(tǒng)的單一維度簡(jiǎn)單查詢(xún)擴(kuò)展為多維度的復(fù)雜查詢(xún)。復(fù)雜查詢(xún)作為數(shù)據(jù)庫(kù)系統(tǒng)分析數(shù)據(jù)的重要手段，在實(shí)際分析處理數(shù)據(jù)過(guò)程中扮演著重要角色。通過(guò)查詢(xún)請(qǐng)求，企業(yè)決策人員能快速獲得自己最關(guān)注的信息。利用傳統(tǒng)的數(shù)據(jù)庫(kù)分析手段對(duì)海量數(shù)據(jù)進(jìn)行提取、存儲(chǔ)、分析得到實(shí)時(shí)結(jié)果變得越來(lái)越困難，也制約了企業(yè)管理者的決策。
　　為了提高大

2、規(guī)模數(shù)據(jù)下多維復(fù)雜查詢(xún)的速度，本文結(jié)合了圖形處理器并行計(jì)算能力和列存儲(chǔ)數(shù)據(jù)庫(kù)的存儲(chǔ)特點(diǎn)，提出了適用于并行查詢(xún)的列式存儲(chǔ)模型以及GPU并行加速查詢(xún)的策略。本文的主要研究?jī)?nèi)容如下：
　?。?）研究數(shù)據(jù)庫(kù)復(fù)雜查詢(xún)的相關(guān)理論和GPU并行計(jì)算模型，并總結(jié)出傳統(tǒng)數(shù)據(jù)庫(kù)查詢(xún)優(yōu)化技術(shù)。重點(diǎn)分析了不同數(shù)據(jù)庫(kù)的存儲(chǔ)策略和壓縮算法；
　?。?）提出一種基于稀疏索引的物理存儲(chǔ)模型，模型在列存儲(chǔ)的基礎(chǔ)上采用分段劃分的策略，同時(shí)根據(jù)GPU特點(diǎn)采用差值壓

3、縮算法進(jìn)行數(shù)據(jù)壓縮處理，并結(jié)合GPU高并行計(jì)算能力實(shí)現(xiàn)對(duì)數(shù)據(jù)的并行壓縮；
　　（3）提出一種基于GPU的復(fù)雜查詢(xún)并行執(zhí)行算法：結(jié)合GPU查詢(xún)?cè)Z(yǔ)操作實(shí)現(xiàn)對(duì)復(fù)雜查詢(xún)的優(yōu)化。其中重點(diǎn)實(shí)現(xiàn)了對(duì)范圍查詢(xún)和分組查詢(xún)的優(yōu)化，提出了對(duì)分組查詢(xún)結(jié)果合并的策略。提出利用流水線(xiàn)調(diào)度策略解決實(shí)驗(yàn)中存在IO時(shí)間過(guò)長(zhǎng)的問(wèn)題，一定程度上加快了查詢(xún)響應(yīng)的速度；
　?。?）通過(guò)實(shí)驗(yàn)證明了利用 GPU加速壓縮算法和查詢(xún)加速算法的優(yōu)越性：將本文提出的查詢(xún)模型和