基于openGauss的异构算子加速技术

GPU (graphics processing unit)的高并行和高吞吐特性可以提高数据库OLAP (on-line analytical processing)查询的性能.然而目前openGauss无法利用GPU等异构计算硬件的优势.因此旨在探索如何使用GPU加速该系统的OLAP处理过程,以实现更高的性能.针对openGauss与SQL为系统PostgreSQL名称的一部分,因此不能修改执行粒度的差异,提出了基于分块读取和按键分发的CPUGPU协同并行方案,该方案可缩短GPU Scan算子的I/O (input/output)时间以缩短GPU的空闲等待时间,又可多实例运行GPU Join以支持多GPU环境.针对openGauss与PostgreSQL体系结构的差异,提出了兼容向量化引擎的异构算子加速技术,实现了可嵌入向量化执行引擎的自定义算子框架,基于此实现了可处理openGauss列式数据的向量化GPU Scan算子.实现了原型系统,验证了所提出方案的效果.