文件名称：并行处理能力-ubuntu 18.04 安装opencv3.4.5的教程(图解)
文件大小：4.99MB
文件格式：PDF
更新时间：2024-07-15 01:59:12
数据库系统概 王珊 课后习题
（1）高吞吐率和低访问延迟； （2）并行处理能力； （3）硬件相关性。 3．试述内存数据库和硬件的相关性。哪些硬件技术影响内存数据库的性能? 答：（1）内存数据库和硬件的相关性：内存数据库的性能受硬件特性的直接影响。计算机硬件技术的发展主 要体现在高端计算设备和存储设备上，如多核处理器、众核协处理器（Many Integrated Core，MIC）、通用 GPU、 PCM 存储（Phase Change Memory，相变存储）、固态硬盘（solid State Disk，SSD）存储等。这些计算能力和存 储性能的提升有助于内存吞吐率需求的提升（众核技术）、提高内存持久存储能力（PCM 技术）或为内存提供二 级存储（SSD 技术）。硬件技术在多核及众核处理器、高性能存储和高速网络等方面的发展为内存数据库提供了 高并行处理、高性能存储访问以及高速连通的硬件平台。内存数据库的设计应该充分考虑并有效利用由新硬件技 术带来的功能扩展和性能提高。 （2）大容量内存、flash、PCM 存储、多核 CPU、众核处理器、高性能网络传输等硬件技术的发展为内存数 据库提供了良好的平台，直接影响到内存数据库的性能。 4．大数据时代对内存数据库提出了哪些挑战? 答：大数据的特点有：数据量大（Volume）、类型繁多（Variety）、价值密度低（Value）、速度快时效高（Velocity）。 随着大数据时代的到来，未来众核协处理器、通用计算图形处理器（General Purpose Graphic Unit，GPGPU）等 新的高性能计算平台进入数据库领域，同时也对内存数据库提出了更多挑战。 （1）查询处理与优化，主要针对大数据数据量大和类型繁多的特点。page—coloring 优化技术对于数据持久 驻留内存的内存数据库来说，较大的弱局部性数据集往往需要预先分配较大的内存地址范围，而较少的 page color 对应的地址范围较小，难以满足大数据集存储的要求。 （2）实时分析处理性能，主要针对大数据速度快时效高的特点。内存数据库摆脱了 I／O 延迟之后，内存访 问速度得到极大的提升，在新兴的非易失性内存，如 PCM 等技术支持下，内存计算和更新的速度进一步提升。 事务型内存数据库的一个技术发展趋势是将事务串行化，简化并发控制机制，提高内存数据库代码执行效率，使 串行处理性能能够满足高吞吐性能需求。分析型内存数据库则将计算最大化并行，以提高多核处理器的并行计算 效率，提高应对内存大数据实时分析处理的性能需求。 （3）并发与恢复技术，主要针对大数据数据量大和价值密度低的特点。通过对大数据表的共享扫描减少并 发查询时独立大表扫描所产生的 cache 缺失，主要通过查询分组以及查询操作符批处理技术实现共享扫描基础上 的高并发查询处理。 153