重访耦合 CPU-GPU 架构上哈希连接的协同处理
分布式、并行与集群计算
2016-11-26 v1
摘要
在图形处理器 (GPUs) 上进行查询协同处理已成为提高主存数据库性能的有效手段。然而，PCI-e 总线相对较低的带宽和较高的延迟通常是协同处理的瓶颈问题。最近，耦合 CPU-GPU 架构受到了广泛关注，例如将 CPU 和 GPU 集成在单个芯片上的 AMD APUs。这为优化查询协同处理开辟了新的机会。在本文中，我们在耦合 CPU-GPU 架构上实验性地重访了哈希连接，这是主存数据库最重要的连接算法之一。特别是，我们研究了带有和不带有分区的哈希连接上的细粒度协同处理机制。协同处理勾勒出了一个有趣的设计空间。我们扩展了现有的成本模型，以自动指导设计空间中的决策。我们在最新 AMD APU 上的实验结果表明：(1) 耦合架构实现了细粒度协同处理和缓存重用，这在离散 CPU-GPU 架构上是低效的；(2) 成本模型可以自动指导设计空间中的设计和调节旋钮；(3) 细粒度协同处理相较于仅 CPU、仅 GPU 和传统 CPU-GPU 协同处理，性能分别提升了高达 53%、35% 和 28%。我们相信，本研究的见解和含义对于耦合 CPU-GPU 架构上查询协同处理的进一步研究是初步但重要的。
引用
@article{arxiv.1307.1955,
title = {Revisiting Co-Processing for Hash Joins on the Coupled CPU-GPU Architecture},
author = {Jiong He and Mian Lu and Bingsheng He},
journal= {arXiv preprint arXiv:1307.1955},
year = {2016}
}
备注
14 pages, 20 figures