Co-OLAP:CPU&GPU混合平台上面向星形模型基准的协同OLAP

• 作者: 张兵 张宇 张延松 王珊 陈红
• 来源期刊: 华东师范大学学报（自然科学版）
• 学科: 工学
• 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)
• 年，卷（期）: 2014,（5）
• 所属期刊栏目: 关键技术
• 页码范围: 240-251
• 页数: 12页
• 分类号: TP393
• 语种: 中文
• DOI: 10.3969/j.issn.1000-5641.2014.05.021

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.