面向异构架构的关系型算子并发计算框架OmegaDB

数据库系统的不同查询之间存在访问数据路径重叠和计算共享的可能,而工作负载中的查询分批处理称为多条查询一次执行(Multiple-Query-at-a-Time)模型。一些已开发的多查询处理框架已经被证明有效,然而都缺乏构建完整查询处理和优化方法的普适框架。在基于等价变换来构建查询时算子合并优化框架的基础上,提出一种面向异构架构的关系型算子并发计算框架OmegaDB。该框架通过研究面向GPU的关系算子流批计算模型并构建关系数据查询流水,在CPU-GPU异构架构上实现了聚合多查询的流批计算方法。在实验及原型实现上,通过理论分析和实验结果验证OmegaDB相对传统关系型数据库管理系统(RDBMS)所具备的优势,以及OmegaDB利用新硬件的潜力。根据基于传统关系代数规则的多条查询一次执行模型的查询优化框架的理论研究,提出多个优化方法并展望未来研究方向。使用TPC-H商业智能计算作为基准测试程序,实验结果表明OmegaDB与现代先进的商业数据库系统SQL SERVER相比,在消耗更低的磁盘I/O和CPU时间的情况下,最高可以达到24倍的端到端加速。

电网实时数据中台设计与研究

本文详细阐述了电网实时数据中台设计与研究应用,深度剖析了流批一体计算、Open API和中台设计及应用实践。中台功能主要包括实时数据共享、数据运营管理、数据资产管理、和数字仿真与孪生等模块。通过该平台的应用研究和功能实现,可有效提升企业级实时量测数据共享能力,满足各专业实时数据计算、存储、共享等业务应用需求,全面支撑电网企业新型电力系统建设和数字化转型。