基于图形处理器的并行方体计算
文献类型：会议
作者：周国亮[1]
机构：[1]教育部数据工程与知识工程重点实验室(中国人民大学),北京,100872;中国人民大学信息学院,北京,100872;保定电力职业技术学院信息系,河北,保定,071051
[2]教育部数据工程与知识工程重点实验室(中国人民大学),北京,100872;中国人民大学信息学院,北京,100872
[3]教育部数据工程与知识工程重点实验室(中国人民大学),北京,100872;中国人民大学信息学院,北京,100872
[4]教育部数据工程与知识工程重点实验室(中国人民大学),北京,100872;中国人民大学信息学院,北京,100872
[5]教育部数据工程与知识工程重点实验室(中国人民大学),北京,100872;中国人民大学信息学院,北京,100872
年：2010
会议名称：2010年中国计算机大会
会议论文集：2010年中国计算机大会论文集
页码范围：1788-1798
会议地点：杭州
会议开始日期：2010-10-11
所属部门：信息学院
人气指数：6
浏览次数：6
语言：中文
关键词：图形处理器;并行方体计算;实时数据仓库;联机分析处理
摘要：方体(cube)计算是数据仓库和联机分析处理(Online analytical processing,OLAP)领域的核心问题,如何提高方体计算性能获得了学术界和工业界的广泛关注,但目前大部分方体算法都没有考虑最新的处理器架构.近年来,处理器从单一计算核心进化为多个或许多个计算核心,如多核CPU、图形处理器(Graphic Processing Units, GPU)等.为了充分利用现代处理器的多核资源,该文提出了基于GPU的并行方体算法GPU-Cubing,算法采用自底向上、广度优先的划分策略,每次并行完成一个cuboid的计算并输出;在计算cuboid过程中多个分区同步处理,分区内多线程并行.GPU-Cubing算法适合GPU体系结构,并行度高.与BUC算法相比,基于真实数据集的完全方体计算可以获得一个数量级以上的加速比,冰山方体获得至少2倍以上的加速.
作者其他论文
内存OLAP多核并行查询优化技术研究.焦敏;张延松;王珊,等.计算机学报.2014,1895-1910.
一个基于三元组存储的列式OLAP查询执行引擎.朱阅岸;张延松;周烜,等.软件学报.2014,25(4),753-767.
面向大规模机群的可扩展OLAP查询技术.王会举;覃雄派;王珊,等.计算机学报.2015,38(1),45-58.
无线传感器网络中隐私保护通用近似查询协议.范永健;陈红;张晓莹,等.计算机学报.2014,915-926.
内存数据仓库集群技术研究.张延松;王珊;周烜.华东师范大学学报（自然科学版）.2014,117-132.
