基于GPU的復(fù)雜SQL查詢優(yōu)化方法研究.pdf

1、隨著信息技術(shù)的發(fā)展，數(shù)據(jù)庫中數(shù)據(jù)存儲(chǔ)規(guī)模越來越大，呈現(xiàn)出數(shù)據(jù)量大、數(shù)據(jù)類型多、價(jià)值密度低的特點(diǎn)。在這個(gè)背景下，數(shù)據(jù)庫的查詢操作從傳統(tǒng)的單一維度簡單查詢擴(kuò)展為多維度的復(fù)雜查詢。復(fù)雜查詢作為數(shù)據(jù)庫系統(tǒng)分析數(shù)據(jù)的重要手段，在實(shí)際分析處理數(shù)據(jù)過程中扮演著重要角色。通過查詢請(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)庫的存儲(chǔ)特點(diǎn)，提出了適用于并行查詢的列式存儲(chǔ)模型以及GPU并行加速查詢的策略。本文的主要研究內(nèi)容如下：
　?。?）研究數(shù)據(jù)庫復(fù)雜查詢的相關(guān)理論和GPU并行計(jì)算模型，并總結(jié)出傳統(tǒng)數(shù)據(jù)庫查詢優(yōu)化技術(shù)。重點(diǎn)分析了不同數(shù)據(jù)庫的存儲(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；
　?。?）提出一種基于GPU的復(fù)雜查詢并行執(zhí)行算法：結(jié)合GPU查詢?cè)Z操作實(shí)現(xiàn)對(duì)復(fù)雜查詢的優(yōu)化。其中重點(diǎn)實(shí)現(xiàn)了對(duì)范圍查詢和分組查詢的優(yōu)化，提出了對(duì)分組查詢結(jié)果合并的策略。提出利用流水線調(diào)度策略解決實(shí)驗(yàn)中存在IO時(shí)間過長的問題，一定程度上加快了查詢響應(yīng)的速度；
　?。?）通過實(shí)驗(yàn)證明了利用 GPU加速壓縮算法和查詢加速算法的優(yōu)越性：將本文提出的查詢模型和