基于图形处理器的数据管理技术研究

基于图形处理器的数据管理技术研究

论文摘要

数据库技术是处理数据和管理信息的基本技术,其中有三方面重要的数据管理活动,即对数据的存取、操作以及可视化.目前,这三方面均受到性能和效率上的挑战.图形处理器(GPU)是一类独特的新兴硬件,同时具有较强的存取、计算与可视化的能力,为应对这些挑战带来了机会.因此,本文研究基于GPU的数据存取、操作与可视化分析的方法,以提高数据管理的性能和效率.纵览GPU上的通用计算(GPGPU)技术,特别是GPU上的数据库技术,我们发现GPU技术有多个功能层面可被利用,如通用并行计算功能,图形流水线计算功能,交互式可视化功能,等等.本文利用通用并行计算功能来加速数据存取,利用图形流水线计算功能来加速数据操作,并利用GPU所独具的”并行计算”与”图形处理”两重属性来加速和改善数据可视化分析.这三方面工作组成了基于GPU的数据管理(DOG)原型系统.具体地,在数据存取方面,我们使用通用并行计算方法提出了一个基于GPU的数据存取框架,包括一些存取原则和元语.这些原则充分匹配了GPU的并行硬件特性,这些元语可以组成一般的索引建立和查询方法.我们基于这个存取框架,具体研究了网格文件,四叉树以及R树这三种多维索引方法.通过实验,我们基于GPU的算法一般比多核CPU上的已有算法快数倍,有的高达10倍.在数据操作方面,我们使用图形流水线计算方法提出了一套基于GPU的数据操作元语,这些元语可以组成一般的数据操作方法.我们使用它们实现了块嵌套循环,索引嵌套循环,排序.归并以及哈希这四种连接方法.通过实验,我们基于GPU的算法性能可达到多核CPU上的已有算法性能的7倍.我们研究了两个数据可视化分析问题.对于多维数据集之间的关系,我们提出了一种基于GPU的信息可视化方法,平行散点图.它结合了平行坐标与散点图方法,综合了多种信息可视化与图形学手段,能使人更有效地观察与分析多维数据集之间的连接关系.为了降低可视化的视觉杂乱度,我们还提出了一种基于空间填充曲线的聚类算法,并使用GPU将聚类的性能加速了20倍.最后,我们将基于GPU的连接、聚类计算与可视化整合起来,可以对千万级数据进行交互级的连接与聚类计算,同时保证高质量的交互式可视化.对于联机分析处理(OLAP)中的数据立方技术,我们提出了一种基于GPU的可视化分析方法,交互式三维立方.我们提出了”绘制-聚集一体化”算法,将数据立方的分布式聚集操作映射为图形混合操作.数据立方的计算过程本身即是可视化的过程,充分结合了GPU的”并行计算”与”图形处理”两重属性,提高了可视化分析的整体性能.我们的方法不需要预计算时间或额外存储空间,可在千万级数据集上进行交互级的立方计算和三维OLAP操作,同时保证高质量的交互式可视化.总之,我们的DOG系统在数据存取、操作与可视化分析等方面与已有方法相比,在计算性能上有大幅的提高,在可视化效果上有显著的改进,在理论上提出新的方法和思路,在实际上具有应用价值.

论文目录

  • 致谢
  • 摘要
  • Abstract
  • 第1章 绪论
  • 1.1 研究动机
  • 1.2 问题陈述
  • 1.3 工作概要
  • 1.4 章节组织
  • 第2章 GPGPU技术综述
  • 2.1 GPU技术发展概述
  • 2.2 GPGPU技术概述
  • 2.3 GPU上的数据库技术
  • 2.4 GPGPU发展趋势
  • 2.5 小结
  • 第3章 数据存取:基于GPU的多维存取
  • 3.1 引言
  • 3.2 相关工作
  • 3.3 存取原则
  • 3.4 存取元语
  • 3.5 存取方法
  • 3.6 实验
  • 3.7 小结
  • 第4章 数据操作:基于GPU的关系连接
  • 4.1 引言
  • 4.2 相关工作
  • 4.3 操作元语
  • 4.4 连接方法
  • 4.5 实验
  • 4.6 小结
  • 第5章 数据可视化分析:基于GPU的多维数据集连接
  • 5.1 引言
  • 5.2 相关工作
  • 5.3 平行散点图
  • 5.4 实验
  • 5.5 小结
  • 第6章 数据可视化分析:基于GPU的数据立方
  • 6.1 引言
  • 6.2 相关工作
  • 6.3 交互式三维立方
  • 6.4 实验
  • 6.5 小结
  • 第7章 结论
  • 7.1 本文贡献
  • 7.2 方法局限
  • 7.3 将来工作
  • 参考文献
  • 作者简历
  • 简介
  • 教育经历
  • 工作经历
  • 攻读学位期间发表的论文和完成的工作
  • 相关论文文献

    • [1].Blackmagic Design发布图形处理器Blackmagic eGPU[J]. 影视制作 2018(08)
    • [2].时尚新品[J]. 世界博览 2016(22)
    • [3].移动图形处理器的现状、技术及其发展[J]. 计算机辅助设计与图形学学报 2015(06)
    • [4].MathWorks为MATLAB提供GPU支持[J]. 电信科学 2010(10)
    • [5].MathWorks为MATLAB提供GPU支持[J]. 电子与电脑 2010(10)
    • [6].MathWorks为MATLAB提供GPU支持[J]. 电信科学 2010(S2)
    • [7].图形处理器的渲染效果与时间差异性分析[J]. 中国新通信 2019(05)
    • [8].基于图形处理器的形态学重建系统[J]. 计算机应用 2019(07)
    • [9].基于图形处理器的相位校正稳像[J]. 光电工程 2011(08)
    • [10].MathWorks为MATLAB提供GPU支持[J]. 中国电子商情(基础电子) 2010(10)
    • [11].通用图形处理器功耗估算模型[J]. 计算机工程 2017(02)
    • [12].图形处理器中段操作的设计与实现[J]. 信息技术 2017(09)
    • [13].基于通用计算图形处理器的电磁场有限元计算加速方法探讨[J]. 科研信息化技术与应用 2010(04)
    • [14].异构多核图形处理器存储系统设计与实现[J]. 电子技术应用 2013(05)
    • [15].图形处理器中顶点染色仿真器的设计[J]. 数字技术与应用 2012(12)
    • [16].之友严选 摄影好物[J]. 摄影之友 2020(06)
    • [17].基于可编程图形处理器的骨骼动画算法及其比较[J]. 计算机工程与设计 2008(21)
    • [18].图形处理器加速算法在复杂高层结构非线性响应分析中的应用[J]. 工程力学 2018(11)
    • [19].计算机图形处理器加速的光学航空影像正射校正[J]. 光学精密工程 2016(11)
    • [20].数字家电元器件[J]. 世界电子元器件 2009(03)
    • [21].产业信息[J]. 单片机与嵌入式系统应用 2013(12)
    • [22].图形处理器中平面裁剪算法并行化的设计与验证[J]. 电脑知识与技术 2014(03)
    • [23].国内要闻[J]. 中国集成电路 2012(07)
    • [24].产品推介[J]. 电子产品世界 2012(09)
    • [25].基于图形处理器的增强现实自然特征注册算法[J]. 南京理工大学学报 2011(04)
    • [26].BMD发布Blackmagic eGPU Pro[J]. 影视制作 2018(11)
    • [27].多图形处理器上Lattice-Boltzmann方法的加速[J]. 计算机辅助设计与图形学学报 2010(11)
    • [28].图形处理器通用计算的实现与验证[J]. 计算机工程与应用 2009(33)
    • [29].基于图形处理器的涪江中段流域降雨汇流模拟方法研究[J]. 成都信息工程大学学报 2019(03)
    • [30].CAD图形处理器的云处理[J]. 工业设计 2013(02)

    标签:;  ;  ;  ;  ;  ;  ;  ;  

    基于图形处理器的数据管理技术研究
    下载Doc文档

    猜你喜欢