Anzahl der Treffer: 325
Erstellt: Thu, 28 Mar 2024 23:11:59 +0100 in 0.1003 sec


Sattler, Kai-Uwe; Kemper, Alfons; Neumann, Thomas; Teubner, Jens Thilo
DFG priority program SPP 2037: Scalable Data Management for Future Hardware. - In: Datenbanksysteme für Business, Technologie und Web (BTW 2019), (2019), S. 273-276

Götze, Philipp; Pohl, Constantin; Sattler, Kai-Uwe
Query planning for transactional stream processing on heterogeneous hardware: opportunities and limitations - novel ideas & experience reports. - In: Datenbanksysteme für Business, Technologie und Web (BTW 2019), (2019), S. 71-80

Lasch, Robert; Oukid, Ismail; Dementiev, Roman; May, Norman; Demirsoy, Suleyman S.; Sattler, Kai-Uwe
Fast & strong: the case of compressed string dictionaries on modern CPUs. - In: 15th International Workshop on Data Management on New Hardware (DaMoN 2019), (2019), article no. 4, 10 Seiten

https://doi.org/10.1145/3329785.3329924
Al-Sayeh, Hani; Sattler, Kai-Uwe
Gray box modeling methodology for runtime prediction of Apache Spark jobs. - In: 2019 IEEE 35th International Conference on Data Engineering workshops, (2019), S. 117-124

https://doi.org/10.1109/ICDEW.2019.00-23
Sattler, Kai-Uwe;
Big data in engineering: opportunities, challenges, and applications. - In: Advances in engineering research and application, (2019), S. 4

Götze, Philipp; Sattler, Kai-Uwe
Snapshot isolation for transactional stream processing. - In: Advances in Database Technology - EDBT 2019, (2019), S. 650-653

https://doi.org/10.5441/002/edbt.2019.78
Beier, Felix;
Generalized database index structures on massively parallel processor architectures. - Ilmenau : Universitätsbibliothek, 2019. - 1 Online-Ressource (202 Seiten)
Technische Universität Ilmenau, Dissertation 2019

Suchbäume sind allgegenwärtig in Datenbanksystemen und anderen Anwendungen, die eine effiziente Möglichkeit benötigen um in großen Datensätzen nach Einträgen zu suchen, die bestimmte Suchkriterien erfüllen. Sie können mit verschiedenen Strategien konfiguriert werden um den Suchraum zu strukturieren und die für ein Suchergebnis irrelevante Bereiche von der Bearbeitung auszuschließen. Die Entwicklung von anwendungsspezifischen Indexen wird durch Frameworks wie GiST unterstützt. Jedoch unterstützt keines der heute bereits existierenden Frameworks die Verwendung von hochgradig parallelen Prozessorarchitekturen wie GPUs. Solche Prozessoren für generische Index Frameworks nutzbar zu machen, ist Ziel dieser Arbeit. Dazu werden Techniken aus verschiedensten CPU- und GPU-optimierten Indexen analysiert und für die Entwicklung einer GiST-Erweiterung verwendet, welche die für eine Suche in Suchbäumen nötigen Berechnungen abstrahiert. Traversierungsoperationen werden dabei auf vektorisierte Primitive abgebildet, die auf parallelen Prozessoren implementiert werden können. Die Verwendung dieser Erweiterung wird beispielhaft an einem CPU Algorithmus demonstriert. Weiterhin wird ein neuer GPU-basierter Algorithmus vorgestellt, der im Vergleich zu bisherigen Verfahren, ein dynamisches Nachladen der Index Daten in den Hauptspeicher der GPU unterstützt. Die Praktikabilität des erweiterten Frameworks wird am Beispiel von Anwendungen aus der Computergrafik untersucht und die Performanz der verwendeten Algorithmen mit Hilfe eines Benchmarks auf verschiedenen CPU- und GPU-Modellen analysiert. Dabei wird gezeigt, unter welchen Bedingungen die parallele GPU-basierte Ausführung schneller ist als die CPU-basierte Variante - und umgekehrt. Um die Stärken beider Prozessortypen in einem hybriden System ausnutzen zu können, wird ein Scheduler entwickelt, der nach einer Kalibrierungsphase für eine gegebene Operation den geeignetsten Prozessor wählen kann. Mit Hilfe eines Simulators für Baumtraversierungen werden verschiedenste Scheduling Strategien verglichen. Dabei wird gezeigt, dass die Entscheidungen des Schedulers kaum vom Optimum abweichen und, abhängig von der simulierten Last, die erzielbaren Durchsätze für die parallele Ausführung mehrerer Suchoperationen durch hybrides Scheduling um eine Größenordnung und mehr erhöht werden können.



https://nbn-resolving.org/urn:nbn:de:gbv:ilm1-2019000101
Alonso, Gustavo; Andrzejewski, Witold; He, Bingsheng; Fröning, Holger; Sattler, Kai-Uwe; Seeger, Bernhard; Sitaridi, Evangelia; Teich, Jürgen; Zukowski, Marcin
Database accelerators. - In: Dagstuhl Reports, ISSN 2192-5283, Bd. 8 (2018), 6, S. 67-68

https://doi.org/10.22032/dbt.42361
Boncz, Peter A.; Gräfe, Götz; He, Bingsheng; Sattler, Kai-Uwe
Database architectures for modern hardware : report from Dagstuhl Seminar 18251. - In: , ISSN 2192-5283, Bd. 8 (2018), 6, S. 63-76

http://dx.doi.org/10.4230/DagRep.8.6.63
Wolf, Florian; May, Norman; Willems, Paul R.; Sattler, Kai-Uwe
On the calculation of optimality ranges for relational query execution plans. - In: SIGMOD'18, (2018), S. 663-675

https://doi.org/10.1145/3183713.3183742