.png){kind=icon}
返回
GPU Database Systems Characterization and Optimization
.png){kind=icon}
PRE
AI
DOI：10.14778/3632093.3632107.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
GPU提供大规模并行处理和高带宽内存访问能力，使其成为加速数据库系统中数据分析的诱人选择。然而，尽管现代GPU拥有前所未有的更多资源（例如更高的DRAM带宽），但要实现最佳性能，仍需高效系统实现和合理的资源分配用于查询处理。数据库系统可以通过恰到好处的资源分配节省GPU运行时成本，或利用新的GPU资源分配能力（如Multi-Instance GPU（MIG））通过并发查询处理提高查询吞吐量。在本文中，我们对包括Crystal（性能方面最先进的GPU数据库）和TQP（GPU数据库领域的最新系统）在内的四种GPU数据库系统进行了跨栈的性能和资源利用率分析。我们通过深入的系统微架构研究评估了每个系统的瓶颈，并借助经典的roofline模型识别了资源利用率不足的问题。基于我们调查获得的认识，我们提出了针对系统实现和资源分配的优化方案，利用这些优化，我们能够实现单查询执行延迟降低1.9倍，并发查询执行吞吐量最高提升6.5倍。
期刊
暂无期刊信息
机构
暂无机构信息
引用论文
暂无论文信息