« Forschungslandschaft: Projekte
Lernfähige Adaptivität in heterogenen relationalen Datenbanksystemen (LARDS)
Projektleiter:
Projektbearbeiter:
Paul Blockhaus
Finanzierung:
Haushalt;
Mit der zunehmenden Heterogenität der Hardware steht die Datenbankgemeinschaft vor der Aufgabe, sich an die neue Realität der verschiedenen Systeme mit einer Vielzahl unterschiedlicher Architekturen, Fähigkeiten und Eigenschaften anzupassen.
Der herkömmliche Arbeitsablauf, bei dem Implementierungen von Hand auf die zugrunde liegende Hardware abgestimmt werden, um Spitzenleistungen zu erzielen, wird allgemein als unhaltbar für eine ständig wachsende Vielfalt an Hardware mit unterschiedlichen Leistungsmerkmalen angesehen. Systeme wie Micro-Adaptivity in Vectorwise oder HAWK wurden als Lösungen untersucht, aber ihre Akzeptanz bleibt begrenzt.
Dieses Projekt zielt darauf ab, Lösungen für eine vollständig adaptive Abfrageausführungsmaschine und Techniken zu erforschen, die eine einfache Übernahme ermöglichen. Um dieses Ziel zu erreichen, planen wir, vier Probleme zu lösen.
Zunächst wird untersucht, wie Mikro-Optimierungen in eine hardware-unabhängige Abfrage-Pipeline auf effiziente und einfach zu wartende Weise eingebaut werden können, während gleichzeitig ein großer Optimierungsraum zur Verfügung steht. Anschließend untersuchen wir, wie die besten Optimierungen automatisch und in Abhängigkeit von den Abfrage- und Hardwareeigenschaften on-the-fly angepasst werden können.
In einem dritten Schritt untersuchen wir die Integration der bisherigen Forschungsergebnisse in eine herkömmliche Abfrageausführungspipeline und die Abfrageplanerstellung.
In der letzten Phase des Projekts werden wir Techniken erforschen, die verwendet werden können, um den Demonstrator mit OLTP-Fähigkeiten zu erweitern und Mikro-Optimierungen in die Transaktionsverarbeitung einzuführen.
Der herkömmliche Arbeitsablauf, bei dem Implementierungen von Hand auf die zugrunde liegende Hardware abgestimmt werden, um Spitzenleistungen zu erzielen, wird allgemein als unhaltbar für eine ständig wachsende Vielfalt an Hardware mit unterschiedlichen Leistungsmerkmalen angesehen. Systeme wie Micro-Adaptivity in Vectorwise oder HAWK wurden als Lösungen untersucht, aber ihre Akzeptanz bleibt begrenzt.
Dieses Projekt zielt darauf ab, Lösungen für eine vollständig adaptive Abfrageausführungsmaschine und Techniken zu erforschen, die eine einfache Übernahme ermöglichen. Um dieses Ziel zu erreichen, planen wir, vier Probleme zu lösen.
Zunächst wird untersucht, wie Mikro-Optimierungen in eine hardware-unabhängige Abfrage-Pipeline auf effiziente und einfach zu wartende Weise eingebaut werden können, während gleichzeitig ein großer Optimierungsraum zur Verfügung steht. Anschließend untersuchen wir, wie die besten Optimierungen automatisch und in Abhängigkeit von den Abfrage- und Hardwareeigenschaften on-the-fly angepasst werden können.
In einem dritten Schritt untersuchen wir die Integration der bisherigen Forschungsergebnisse in eine herkömmliche Abfrageausführungspipeline und die Abfrageplanerstellung.
In der letzten Phase des Projekts werden wir Techniken erforschen, die verwendet werden können, um den Demonstrator mit OLTP-Fähigkeiten zu erweitern und Mikro-Optimierungen in die Transaktionsverarbeitung einzuführen.
Kontakt

Prof. Dr. Gunter Saake
Otto-von-Guericke-Universität Magdeburg
Fakultät für Informatik
Institut für Technische und Betriebliche Informationssysteme
Universitätsplatz 2
39106
Magdeburg
Tel.:+49 391 6758800
Fax:+49 391 6712020
weitere Projekte
Die Daten werden geladen ...