基于openGauss的异构算子加速技术

作     者：陈现森 徐辰 CHEN Xiansen;XU Chen

作者机构：华东师范大学数据科学与工程学院上海200062 

出 版 物：《华东师范大学学报（自然科学版）》 (Journal of East China Normal University(Natural Science))

年 卷 期：2023年第5期

页      面：90-99页

学科分类：08[工学] 081203[工学-计算机应用技术] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：上海市自然科学基金(23ZR1419900)。 

主　　题：异构数据库 图形处理器 向量化引擎 在线分析型处理 

摘      要：GPU (graphics processing unit)的高并行和高吞吐特性可以提高数据库OLAP (on-line analytical processing)查询的性能.然而目前openGauss无法利用GPU等异构计算硬件的优势.因此旨在探索如何使用GPU加速该系统的OLAP处理过程,以实现更高的性能.针对openGauss与SQL为系统PostgreSQL名称的一部分,因此不能修改执行粒度的差异,提出了基于分块读取和按键分发的CPUGPU协同并行方案,该方案可缩短GPU Scan算子的I/O (input/output)时间以缩短GPU的空闲等待时间,又可多实例运行GPU Join以支持多GPU环境.针对openGauss与PostgreSQL体系结构的差异,提出了兼容向量化引擎的异构算子加速技术,实现了可嵌入向量化执行引擎的自定义算子框架,基于此实现了可处理openGauss列式数据的向量化GPU Scan算子.实现了原型系统,验证了所提出方案的效果.