[发明专利]使用图形处理单元的统计分析

说明书

技术领域

大规模或庞大规模统计分析（有时被称作MaSSA）可以涉及：一次检查大量数据。例如，在天文学、物理学、遥感、海洋学和生物学中使用的科学仪器可以产生较大数据量。高效处理这种大量数据可能是富有挑战性的。

附图说明

关于下面的附图来描述一些实施例：

图1是根据示例实施方式的系统的示意图。 

图2是根据示例实施方式的系统的示意工作流图。 

图3是根据示例实施方式的数据结构的示意图。 

图4是描绘了根据示例实施方式的用于在GPU上执行指令的技术的流程图。

图5是描绘了根据示例实施方式的用于使用GPU执行统计分析的技术的流程图。

具体实施方式

传统数据库系统可能在为大规模统计分析处理数据时遭遇某些困难。当前数据库系统可以接近于以元素粒度存储数据。例如，诸如矩阵之类的数据结构可以被存储在阵列中，并且该矩阵中的每个数据元素可以对应于该阵列中的元素。具有许多元素的密集阵列（例如，表示大矩阵的阵列）可以占用大量存储空间，并在一些情况下可以大于可用的存储器。

此外，数据库查询引擎使用迭代执行模型来逐元素地对所存储的数据执行函数。由此，迭代遍历数据结构中的每个元素以满足复杂的查询请求可能是相对低效的。在较大数据集的上下文中，可能加剧在执行这种查询请求时的低效，从而使数据库系统的性能降级。

图1是根据一些实施方式的示例系统100的示意图。系统100的数据库子系统105可以包括彼此通信的处理器110、存储器120和储存器130。储存器130可以存储用户定义数据135，其在下文中更详细描述。在一些实施方式中，用户定义数据135还可以被存储在存储器120中。尽管在一些实施方式中对数据库子系统进行参考，但是注意，本文描述的技术或机制还可以被用在其他系统中。

数据库子系统105还可以与图形处理单元（GPU）140进行通信。GPU 140可以耦合至GPU存储器150，GPU存储器150可以存储GPU库160。GPU 140可以是能够执行传统地由诸如处理器110之类的中央处理单元（CPU）执行的特定计算的图形处理单元。该能力可以被称作图形处理单元中的通用计算（GPGPU）。这种能力可以附加于GPU 140的执行用于计算机图形的计算的能力，计算机图形提供用于在显示设备（未示出）中显示的图像。

GPU库160可以提供接口以供数据库子系统105访问GPU 140，以便执行传统地由CPU（例如，处理器110）执行的特定计算。的确，GPU库160可以提供对用于GPU 140以及GPU存储器150的指令集的访问。例如，通过GPU库160，开发者可能能够使用标准编程语言（诸如C）来对指令进行编码以在GPU 140上执行，以便利用GPU 140的并行处理架构。

在一些实施方式中，GPU 140可以具有多个处理核，其中，每个核能够同时处理多个线程。GPU 140可以具有相对较高的并行处理能力，这可以有益于诸如由大规模统计分析产生的那些数据集之类的较大数据集上的操作。GPU 140内的某些处理核可以具有相对较高的浮点计算能力，这可以在大规模统计分析中合适。其他处理核可以具有相对较低的浮点计算能力并可以仅用于处理图形数据。例如，在矩阵上执行的代数运算（例如矩阵乘法、转置、加法等）可以有助于由GPU 140提供的并行处理架构和浮点计算能力。

在一些实施方式中，用户定义数据135可以包括用于将数据结构划分成多个段并将这些段存储为表或阵列中的数据元素的指令。关于图3更详细地描述这种表。此外，用户定义数据135还可以包括用于逐段地而不是逐元素地对数据结构执行操作的用户定义函数。为了执行该操作，用户定义函数可以引用GPU库160以指示GPU 140执行该函数。

图2提供了根据一些实施方式的数据库系统200的示意工作流图。数据库系统200可以包括用于接收查询202并返回查询202的结果204的数据库引擎210。在一些实施方式中，数据库引擎210可以包括与图1的数据库子系统105类似的部件，诸如处理器110和存储器120。