« Forschungslandschaft: Projekte

Unterschiedliche Verknüpfungsreihenfolgen können zu einer Variation der Ausführungszeiten um mehrere Größenordnungen führen, was die Optimierung der Verknüpfungsreihenfolge zu einer der kritischsten Optimierungen innerhalb von DBMS macht. Gleichzeitig ist die Join-Order-Optimierung ein NP-schweres Problem, was die Berechnung einer optimalen Join-Order sehr rechenintensiv macht. Da aktuelle Hardware-Architekturen hochspezialisierte und parallele Prozessoren verwenden, können die in der Vergangenheit vorgeschlagenen sequentiellen Algorithmen zur Join-Order-Optimierung die Rechenleistung aktueller Hardware-Architekturen nicht voll ausschöpfen. Obwohl bestehende Ansätze zur Join-Order-Optimierung, wie z. B. die dynamische Programmierung, von der parallelen Ausführung profitieren, gibt es keine Ansätze zur Join-Order-Optimierung auf hochparallelen Koprozessoren wie GPUs.
In diesem Projekt entwickeln wir einen GPU-beschleunigten Join-Order-Optimierer, indem wir bestehende Ansätze zur Join-Order-Optimierung anpassen. Dabei interessieren wir uns für die Auswirkungen von GPUs auf die Join-Order-Optimierung selbst sowie für die Auswirkungen auf die Abfrageverarbeitung. Für GPU-beschleunigte DBMS wie CoGaDB, die GPUs für die Abfrageverarbeitung verwenden, müssen wir effiziente Planungsstrategien für die Abfrageverarbeitung und die Abfrageoptimierungsaufgaben identifizieren, damit die GPU-beschleunigte Optimierung die Abfrageverarbeitung auf GPUs nicht
die Abfrageverarbeitung auf GPUs nicht verlangsamt.