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)庫領域中，日益增長的數(shù)據(jù)為數(shù)據(jù)查詢以及數(shù)據(jù)存儲帶來了巨大的壓力。越來越多的研究關注于如何有效的在大數(shù)據(jù)集合上進行查詢操作。由于目前中央處理機（CPU）的發(fā)展日益緩慢，軟件上對算法的優(yōu)化已經(jīng)到了瓶頸。越來越多的關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)庫操作。GPU具有強大的計算能力以及高并行性，十分適用于處理計算密集型任務。連接操作作為現(xiàn)代數(shù)據(jù)庫系統(tǒng)中最為重要的操作之一，有很多研究關注于利用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，本文通過將Hadoop與GPU結合，實現(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，通過預過濾僅僅將可連接的元組傳遞到GPU上進行實際的連接操作。
　　本文是第一個利用Map-Reduce與GPU結合加速非等值連接操作的。同時，通過數(shù)據(jù)預過濾，