文献

J-GLOBAL ID：201702221818220905   整理番号：17A1346202

GPU上での関係結合:詳細な観察【Powered by NICT】

Relational Joins on GPUs: A Closer Look

著者 (5件)： Yabuta Makoto (Graduate School of Information Science, Nagoya University, Aichi Prefecture, Japan) ,  Nguyen Anh (Graduate School of Information Science, Nagoya University, Aichi Prefecture, Japan) ,  Kato Shinpei (Graduate School of Information Science, Nagoya University, Aichi Prefecture, Japan) ,  Edahiro Masato (Graduate School of Information Science, Nagoya University, Aichi Prefecture, Japan) ,  Kawashima Hideyuki (Graduate School of System and Information Engineering, University of Tsukuba, Ibaraki Prefecture, Japan)
資料名： IEEE Transactions on Parallel and Distributed Systems  (IEEE Transactions on Parallel and Distributed Systems)
巻： 28  号： 9  ページ： 2663-2673  発行年： 2017年 
JST資料番号： T0882A  ISSN： 1045-9219  CODEN： ITDSEO  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： データベース管理システム(DBMS)における大規模データセットのためのリレーショナル・ジョイン・性能のスケーリングの問題は長年研究されてきた。メモリ内DBMSエンジンでは,メインメモリにデータを記憶することにより,負荷時間を減少させることができるが,ジョイン質問にまだ計算が高価なままである。現代のグラフィックスプロセシングユニット(GPU)は超並列計算を提供し,そのような結合質問の性能を向上させる可能性があるが,どのような条件における関係結合は,GPUも十分にはまだ明らかではない。本論文では,種々の構成の下で幾つかの良く知られたGPUベース結合アルゴリズムを実装による関係ジョインのためのGPUコンピューティングの性能特性を同定した。実験結果は,CPUベース対応物とGPUベース関係ジョインの高速化比は計算コアの数,データセットの大きさ,結合条件,および結合アルゴリズムに依存することを示した。最良の場合,高速化比はインデックス結合のための6.67倍まで,指数ジョインのための9.41倍,ハッシュジョインのための2.55倍であった。一方,指数ジョインのためのGPUに基づく実装の実行時間は,CPUの実行時間より約0.696分の1であった。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： アルゴリズム ,  記憶装置 ,  データベース管理システム ,  主メモリ ,  *高速化
準シソーラス用語： 実行時間 ,  性能特性 ,  GPUコンピューティング ,  超並列計算 ,  ジョイン ,  大規模データセット , 【Automatic Indexing@JST】

分類 (2件)： ディジタル計算機方式一般  (JC02010O) ,  計算理論  (JB02000A)

タイトルに関連する用語 (2件)： GPU ,  観察