4、数据库系统中混合 CPU/GPU 查询计划的优化探索

数据库系统中混合 CPU/GPU 查询计划的优化探索

1. 引言

图形处理单元（GPU）是专门为支持图形应用而设计的处理器，具备强大的并行处理能力，如今其计算能力已超越 CPU。利用 GPU 加速通用应用的技术被称为图形处理单元通用计算（GPGPU），特别是可并行化的应用能从 GPU 计算中获益。

当前，将 GPU 作为协处理器来加速数据库系统成为新的研究趋势。然而，对于某些操作，GPU 算法并不一定比对应的 CPU 算法更快，因为对于相对较小的数据集，复制操作的大量开销会使 CPU 性能更优。混合查询是指在单个查询执行中同时使用 CPU 和 GPU 的查询计划。目前，在数据库系统中处理混合查询计划所面临的问题尚未得到充分研究。

为了实现 GPU 在数据库查询处理中作为协处理器的高效使用，我们需要解决一系列问题。寻找给定查询的最优混合查询计划是一项具有挑战性的任务，通常需要创建所有可能的查询计划，并使用成本模型计算其成本，然后选择成本最低的计划。但这种方法在优化空间未缩减的情况下会引入大量开销。因此，我们采用了另一种方法，即利用之前提出的自调优决策模型，该模型作为调度框架，能够在 CPU 和 GPU 上以最小响应时间分配数据库操作。本文将介绍如何使用该调度框架从逻辑查询计划构建响应时间最小的混合查询计划。

2. 相关工作

当前的研究主要围绕 GPU 在数据库操作中的应用展开：
- Walkowiak 等人探讨了 GPU 在数据库中的可用性，并通过基于 n - 元语法的文本搜索引擎展示了其应用。
- He 等人提出了在 GPU 上实现关系连接和其他关系操作的概念与实现方法。
- Pirk 等人开发了一种利用