图形处理器在数据管理领域的应用研究综述

doi:10.3778/j.issn.1673-9418.2010.04.001

计算机科学与探索 ›› 2010, Vol. 4 ›› Issue (4): 289-303.DOI: 10.3778/j.issn.1673-9418.2010.04.001

图形处理器在数据管理领域的应用研究综述

周国亮^1，2，3+，冯海军^1，2，何国明^1，2，陈红^1，2

1. 中国人民大学数据工程与知识工程教育部重点实验室，北京 100872
2. 中国人民大学信息学院，北京 100872
3. 保定电力职业技术学院信息系，河北保定 071051

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2010-04-01 发布日期:2010-04-01
通讯作者: 周国亮

Survey of Data Management on Graphics Processor Units

ZHOU Guoliang^1，2，3+， FENG Haijun^1，2， HE Guoming^1，2， CHEN Hong^1，2

1. Key Lab of Data Engineering and Knowledge Engineering， MOE， Renmin University of China， Beijing 100872， China
2. School of Information， Renmin University of China， Beijing 100872， China
3. Department of Information， Baoding Electric Power Vocation & Technology College， Baoding， Hebei 071051， China

Received:1900-01-01 Revised:1900-01-01 Online:2010-04-01 Published:2010-04-01
Contact: ZHOU Guoliang

摘要/Abstract

摘要： 比较了中央处理器和图形处理器体系结构的异同，并简要介绍了最新的图形处理器通用计算平台及不同体系结构间并行算法的异同。详细叙述了图形处理器在空间数据库、关系数据库、数据流和数据挖掘及信息检索等方面应用的技术特点；探讨了基于图形处理器的各种内外存排序算法及性能；描述了基于图形处理器的各种数据结构和索引技术；阐述了图形处理器算法优化方面的工作。最后，展望了图形处理器应用于数据管理的发展前景，并分析了这一领域未来所面临的挑战。

关键词: 图形处理器, 数据管理, 索引, 排序, 算法优化

Abstract: This paper compares the graphics processor units （CPU） and GPU architecture， and gives a brief review on the latest general-purpose GPU computing platforms and the differences and similarities of parallel algorithms between parallel machine and GPU. Then it describes GPU in the spatial database， relational databases， data flow， data mining and information retrieval fields， and discusses GPU-based various internal and external sorting algorithm， GPU-based data structure and index， and GPU-based algorithm optimization work. Finally， it gives the prospects of the GPU used in the data management and analysis of the challenges facing in this area in the future.

Key words: graphic processing unit （GPU）, data management, index, sort, optimization

中图分类号:

TP311.13

周国亮1，2，3+ ，冯海军1，2 ，何国明1，2 ，陈红1，2 . 图形处理器在数据管理领域的应用研究综述[J]. 计算机科学与探索, 2010, 4(4): 289-303.

ZHOU Guoliang^1，2，3+， FENG Haijun^1，2， HE Guoming^1，2， CHEN Hong^1，2. Survey of Data Management on Graphics Processor Units[J]. Journal of Frontiers of Computer Science and Technology, 2010, 4(4): 289-303.

[1]	刘雨萍, 葛红, 曾奕斌. 利用类别信息和列表排序的跨模态检索[J]. 计算机科学与探索, 2021, 15(3): 506-514.
[2]	祖弦, 谢飞, 刘啸剑. 融合词和文档嵌入的关键词抽取算法[J]. 计算机科学与探索, 2021, 15(2): 294-304.
[3]	李昌华，崔李扬，李智杰. 用于非精确图匹配的改进GCN模型[J]. 计算机科学与探索, 2020, 14(8): 1397-1408.
[4]	周南，杜军平，姚旭，梁美玉，薛哲，LEE JangMyung. 基于卷积神经网络的微博话题内容搜索方法[J]. 计算机科学与探索, 2019, 13(5): 753-764.
[5]	宋雨萌，陈默，于戈. 时序地理社交网络中基于动态偏好的组查询[J]. 计算机科学与探索, 2019, 13(11): 1813-1828.
[6]	李宇珺，彭智勇，吴瑕，兰海，彭煜玮. IPI：灵活高效的对象代理数据库索引结构[J]. 计算机科学与探索, 2018, 12(8): 1191-1201.
[7]	冀中，马亚茹，何宇清. 最大边界重要和覆盖的视频摘要方法[J]. 计算机科学与探索, 2018, 12(8): 1286-1294.
[8]	庄福振，罗丹，何清. 基于集成局部性特征学习的推荐算法[J]. 计算机科学与探索, 2018, 12(6): 851-858.
[9]	许侃，林原，曲忱，徐博，林鸿飞. 专利查询扩展的词向量方法研究[J]. 计算机科学与探索, 2018, 12(6): 972-980.
[10]	王斌，郝鹏飞，吴加跃，胡义香. TVDSM:支持透明计算的虚拟磁盘存储模型[J]. 计算机科学与探索, 2018, 12(3): 350-359.
[11]	张绍武，刘华丽，杨亮，邵华，林鸿飞. 基于图排序模型的微博观点信息识别[J]. 计算机科学与探索, 2018, 12(2): 292-299.
[12]	鲁鹏凯，江大伟，陈珂，寿黎但，陈刚. RStore：基于BigTable的关系数据模型存储系统[J]. 计算机科学与探索, 2018, 12(10): 1547-1558.
[13]	申金鑫，吴烨，陈荦，景宁. 面向空间在线分析的并行近似聚集查询[J]. 计算机科学与探索, 2018, 12(10): 1559-1570.
[14]	练绪宝，林鸿飞，徐博，林原. 融合项目标签信息面向排序的社会化推荐算法[J]. 计算机科学与探索, 2017, 11(3): 373-381.
[15]	史太齐，刘亮，秦小麟 . DCST：主存空间高效的缓存敏感型T-树索引研究[J]. 计算机科学与探索, 2017, 11(2): 221-230.

图形处理器在数据管理领域的应用研究综述

Survey of Data Management on Graphics Processor Units

PDF

可视化

被引次数

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics