| Co-OLAP:CPU&GPU混合平台上面向星形模型基准的协同OLAP |
| |
| 引用本文： | 张宇,张延松,张兵,陈红,王珊.Co-OLAP:CPU&GPU混合平台上面向星形模型基准的协同OLAP[J].华东师范大学学报(自然科学版),2014(5). |
| |
| 作者姓名： | 张宇 张延松 张兵 陈红 王珊 |
| |
| 作者单位： | 1. 中国人民大学DEKE实验室,北京100872;中国人民大学信息学院,北京 100872
2. 中国人民大学DEKE实验室,北京100872;中国人民大学信息学院,北京 100872;中国人民大学中国调查与数据中心,北京 100872 |
| |
| 基金项目： | 中央高校基本科研业务费专项资金 |
| |
| 摘 要： | 当前GPU(图形处理器),即使是中端服务器配置的中端GPU也拥有强大的并行计算能力.不同于近期的研究成果,中端服务器可能配置有几块高端CPU和一块中端GPU,GPU能够提供额外的计算能力而不是提供比CPU更加强大的计算能力.本文以中端工作站上的Co-OLAP(协同OLAP)为中心,描述如何使中端GPU与强大的CPU协同以及如何在计算均衡的异构平台上分布数据和计算以使Co-OLAP模型简单而高效.根据实际的配置,基于内存容量,GPU显存容量,数据集模式和订制的AIR(数组地址引用)算法提出了最大高性能数据分布模型.Co-OLAP模型将数据划分为驻留于内存和GPU显存的数据集,OLAP计算也划分为CPU和GPU端的自适应计算负载来最小化CPU和GPU内存之间的数据传输代价.实验结果显示,在SF=20的SSB(星形模型基准)测试中,两块至强六核处理器的性能略优于一块NVIDA Quadra 5 000GPU(352个cuda核心)的处理性能,Co-OLAP模型可以将负载均衡分布在异构计算平台并使每个平台简单而高效.
|
| 关 键 词： | GPU(图形处理器) OLAP(联机分析处理) Co-OLAP(协同OLAP) AIR(数组地址引用) |
Co-OLAP: Research on cooperated OLAP with star schema benchmark on hybrid CPU & GPU platform |
| |
| ZHANG Yu,ZHANG Yan-song,ZHANG Bing,CHEN Hong,WANG Shan.Co-OLAP: Research on cooperated OLAP with star schema benchmark on hybrid CPU & GPU platform[J].Journal of East China Normal University(Natural Science),2014(5). |
| |
| Authors: | ZHANG Yu ZHANG Yan-song ZHANG Bing CHEN Hong WANG Shan |
| |
| Abstract: | |
| |
| Keywords: | GPU OLAP Co-OLAP AIR |
| 本文献已被 万方数据 等数据库收录！ |
|
