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