gpu上并行数据操作技术优化

《gpu上并行数据操作技术优化》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、申请上海交通大学硕士学位论文GPU上并行数据操作技术优化学校：上海交通大学院系：电子信息与电气工程学院班级：B0803391学号：1080339014硕士生：郑超专业：高性能并行计算导师：邓倩妮（副教授）上海交通大学电子信息与电气工程学院2010年12月ADissertationSubmittedtoShanghaiJiaoTongUniversityfortheMasterDegreeofComputerScienceandTechnologyOPTIMIZATIONFORPARALLELDATAOPERATIONONGPUAuthor：ZhengChaoS

2、pecialty:ComputerSystemandArchitectureAdvisor:Asso.Prof.DengQianniSchoolofElectronicsandElectricEngineeringShanghaiJiaoTongUniversityShanghai,P.R.ChinaDecember,2010上海交通大学硕士学位论文摘要GPU上并行数据操作技术优化摘要近年来，随着多核技术与GPU（GraphicsProcessingUnits）技术的发展和成熟，GPU以其强大的并行计算能力越来越成为研究领域中的热点。人们已经开始研究使用GPU

3、对多种数据操作进行加速。其中在数据库操作中最常用最耗时的连接操作成为人们研究的重点。本文研究了三个经典的连接算法（嵌套连接算法，排序-归并算法和哈希算法）的串行实现和并行实现，在GPU平台上实现了它们的并行化算法，并根据它们各自的特点做了一些优化。同时，鉴于GPU平台和多核处理器系统的相似性，本文把应用在计算机集群上的CMD（CoordinateModuleDistribution）数据划分算法移至到了GPU平台上，并比较了两个并行连接算法（排序-归并算法和哈希算法）和CMD连接算法的性能。另外，本文也比较了以上算法在处理数据偏斜时的性能。为了和CPU多核进行

4、比较，本文还使用了OpenMP实现了排序-归并和哈希连接算法，并把它们同GPU上的版本进行了比较。本文的贡献在于，在GPU平台上实现了排序-归并和哈希连接算法，并根据各个算法的特点进行了优化，同时把CMD算法移植到了GPU平台。本文比较了这些算法在处理数据偏斜时的性能，实验表第I页上海交通大学硕士学位论文摘要明，哈希算法具有很好的表现，CMD连接算法次之，排序-归并算法最差。但是在处理均匀分布的数据表时，CMD连接算法要明显逊色于其它两个算法。而在同OpenMP的版本比较中发现，两个版本的性能不相上下。关键字：GPU，并行关系连接算法，CMD算法，数据偏斜第I

5、I页上海交通大学硕士学位论文ABSTRACTOptimizationforparalleldataoperationonGPUABSTRACTInrecentyears,withthedevelopmentandmaturityofmulticoretechnology,GPU(GraphicsProcessingUnits)hasincreasinglybecometheresearchhotspotbyitspowerfulparallelcomputingcapacity.ResearchershavebeenusingGPUtoaccelerateva

6、riouskindsofdataoperations,amongwhichrelationaljoinisthemostcommonlyusedandmosttime-consumingoperation.Thispaperhasstudiedthethreeclassicrelationaljoinalgorithms(nested-loopjoin,sort-mergejoinandhashjoin),bothserialandparallelversion.TheirparallelversionshavebeenimplementedonGPUando

7、ptimizedaccordingtotheircharacteristics.Atthemeantime,duetothesimilaritybetweenclustersandmulticoresystem,thispaperhasmigratedCMD(CoordinateModuleDistribution)algorithm,originallydesignedforclusters,ontoGPUandcompareditsperformancewiththosetwoclassicalgorithmsonGPU.Wealsocomparedthe

8、irperformanceswhenp