基于圖形處理器的數(shù)據(jù)管理技術(shù)研究.pdf

1、本文研究基于GPU的數(shù)據(jù)存取、操作與可視化分析的方法，以提高數(shù)據(jù)管理的性能和效率. 縱覽GPU上的通用計算(GPGPU)技術(shù)，特別是GPU上的數(shù)據(jù)庫技術(shù)，我們發(fā)現(xiàn)GPU技術(shù)有多個功能層面可被利用，如通用并行計算功能，圖形流水線計算功能，交互式可視化功能，等等.本文利用通用并行計算功能來加速數(shù)據(jù)存取，利用圖形流水線計算功能來加速數(shù)據(jù)操作，并利用GPU所獨具的“并行計算”與“圖形處理”兩重屬性來加速和改善數(shù)據(jù)可視化分析.這三方面工作

2、組成了基于GPU的數(shù)據(jù)管理(DOG)原型系統(tǒng). 具體地，在數(shù)據(jù)存取方面，我們使用通用并行計算方法提出了一個基于GPU的數(shù)據(jù)存取框架，包括一些存取原則和元語.這些原則充分匹配了GPU的并行硬件特性，這些元語可以組成一般的索引建立和查詢方法.我們基于這個存取框架，具體研究了網(wǎng)格文件，四叉樹以及R樹這三種多維索引方法.通過實驗，我們基于GPU的算法一般比多核CPU上的已有算法快數(shù)倍，有的高達10倍. 在數(shù)據(jù)操作方面，我們使用圖

3、形流水線計算方法提出了一套基于GPU的數(shù)據(jù)操作元語，這些元語可以組成一般的數(shù)據(jù)操作方法.我們使用它們實現(xiàn)了塊嵌套循環(huán)，索引嵌套循環(huán)，排序-歸并以及哈希這四種連接方法.通過實驗，我們基于GPU的算法性能可達到多核CPU上的已有算法性能的7倍. 我們研究了兩個數(shù)據(jù)可視化分析問題.對于多維數(shù)據(jù)集之間的關(guān)系，我們提出了一種基于GPU的信息可視化方法，平行散點圖.它結(jié)合了平行坐標(biāo)與散點圖方法，綜合了多種信息可視化與圖形學(xué)手段，能使人更有效

4、地觀察與分析多維數(shù)據(jù)集之間的連接關(guān)系.為了降低可視化的視覺雜亂度，我們還提出了一種基于空間填充曲線的聚類算法，并使用GPU將聚類的性能加速了20倍.最后，我們將基于GPU的連接、聚類計算與可視化整合起來，可以對千萬級數(shù)據(jù)進行交互級的連接與聚類計算，同時保證高質(zhì)量的交互式可視化. 對于聯(lián)機分析處理(OLAP)中的數(shù)據(jù)立方技術(shù)，我們提出了一種基于GPU的可視化分析方法，交互式三維立方.我們提出了“繪制-聚集一體化”算法，將數(shù)據(jù)立方的

5、分布式聚集操作映射為圖形混合操作.數(shù)據(jù)立方的計算過程本身即是可視化的過程，充分結(jié)合了GPU的“并行計算”與“圖形處理”兩重屬性，提高了可視化分析的整體性能.我們的方法不需要預(yù)計算時間或額外存儲空間，可在千萬級數(shù)據(jù)集上進行交互級的立方計算和三維OLAP操作，同時保證高質(zhì)量的交互式可視化. 總之，我們的DOG系統(tǒng)在數(shù)據(jù)存取、操作與可視化分析等方面與已有方法相比，在計算性能上有大幅的提高，在可視化效果上有顯著的改進，在理論上提出新的方