GPU上基于Hadoop的高效連接操作算法研究.pdf

1、現(xiàn)代商業(yè)數(shù)據(jù)庫(kù)領(lǐng)域中，日益增長(zhǎng)的數(shù)據(jù)為數(shù)據(jù)查詢以及數(shù)據(jù)存儲(chǔ)帶來(lái)了巨大的壓力。越來(lái)越多的研究關(guān)注于如何有效的在大數(shù)據(jù)集合上進(jìn)行查詢操作。由于目前中央處理機(jī)（CPU）的發(fā)展日益緩慢，軟件上對(duì)算法的優(yōu)化已經(jīng)到了瓶頸。越來(lái)越多的關(guān)注集中在利用圖像處理器（GPU）作為協(xié)處理器加速數(shù)據(jù)庫(kù)操作。GPU具有強(qiáng)大的計(jì)算能力以及高并行性，十分適用于處理計(jì)算密集型任務(wù)。連接操作作為現(xiàn)代數(shù)據(jù)庫(kù)系統(tǒng)中最為重要的操作之一，有很多研究關(guān)注于利用GPU加速連接操作。<

2、br>　　現(xiàn)有GPU加速嵌套循環(huán)連接操作研究成果并不能夠很好的適用于較大數(shù)據(jù)表的連接操作?；诖?，本文主要研究如何利用GPU有效地加速大數(shù)據(jù)表上的嵌套循環(huán)連接操作，本文通過(guò)將Hadoop與GPU結(jié)合，實(shí)現(xiàn)了等值連接中的嵌套循環(huán)連接、哈希連接以及非等值連接。在處理等值連接時(shí)，通過(guò)預(yù)過(guò)濾僅僅將可連接的元組傳遞到GPU上進(jìn)行實(shí)際的連接操作。
　　本文是第一個(gè)利用Map-Reduce與GPU結(jié)合加速非等值連接操作的。同時(shí)，通過(guò)數(shù)據(jù)預(yù)過(guò)濾，