Применение CUDA ядер в задачах обработки информации в базе данных при помощи BLAZINGSQL

Цель - исследование способа повышения оперативноти процессов обработки данных при помощи аппаратных видеоускорителей, имеющих в своём составе ядра CUDA.

Методы. Использован метод программного взаимодействия с аппаратными вычислительными средствами видеоускорителя, обладающего ядрами CUDA при помощи решения BlazingDB, базирующегося на RAPIDS AI. Для исследования производительности и ускорения процессов обработки данных используется база данных PostgresSQL и технология BlazingSQL.

Результаты. Применение BlazingDB ускоряет процесс обработки данных в несколько раз относительно PostgresSQL. Производительность технологии BlazingDB, использующей видеоускоритель вместо центрального процессора, превзошла PostgresSQL в 10 и 35 раз для двух различных массивных задач по выборке и обработке информации.

Заключение. Исследованы возможности аппаратных видеоускорителей при применении их для задач по обработке информации в базе данных; проведено сравнение производительности решения BlazingDB для взаимодействия с ядрами CUDA и стандартных решений PostgresSQL; рассмотренное решение демонстрирует многократное увеличение производительности обработки данных при помощи большого количества ядер CUDA видеоускорителя относительно центрального процессора, имеющего значительно меньшее количество ядер, но большую частоту работы.

1. Обнаружение, распознавание и определение параметров образов объектов. Методы и алгоритмы / А. В. Богословский [и др.]; под ред. А. В. Коренного. М.: Радиотехника, 2012. 112 c.

2. Бойко И. А., Гурьянов Р. А. Распознавание объектов на основе видеосигнала, полученного с камеры, установленной на подвижной платформе // Молодой ученый. 2013. № 6 (53). С. 34-36.

3. Работягов А. Основы распознавания образов. М.: LAP Lambert Academic Publishing, 2014. 273 c.

4. Автоматическое управление и вычислительная техника. Распознавание образов. М.: Машиностроение, 2016. Вып. 10. 256 c.

5. Миленький А. В. Классификация сигналов в условиях неопределенности. Статистические методы самообучения в распознавании образов. М.: Советское радио, 2017. 328 c.

6. Информационные технологии и вычислительные системы. Вычислительные системы. Компьютерная графика. Распознавание образов. Математическое моделирование / под ред. С. В. Емельянова. М.: Ленанд, 2015. 100 c.

7. Алгоритмы распознавания объектов / А. А. Цветков, Д. К. Шорох, М. Г. Зубарева [и др.]. // Технические науки: проблемы и перспективы: материалы IV Международной научной конференции (г. Санкт-Петербург, июль 2016 г.). СПб.: Свое, 2016. С. 20-28.

8. Фукунага К. Введение в статистическую теорию распознавания образов. М.: Наука, 2013. 368 c.

9. Дударев В. А. Методы распознавания образов в компьютерном конструировании неорганических соединений. М.: Синергия, 2014. 325 c.

10. Елисеева И. И., Рукавишников В. О. Группировка, корреляция, распознавание образов (статистические методы классификации и измерения связей). М.: Российский государственный гуманитарный университет, 2014. 144 c.

11. Информационные технологии и вычислительные системы. Вычислительные системы. Компьютерная графика. Распознавание образов. Математическое моделирование / под ред. С. В. Емельянова. М.: Мир, 2015. Вып. 2. 662 c.

12. Информационные технологии и вычислительные системы. Вычислительные системы. Математическое моделирование. Распознавание образов. Прикладные аспекты информатики / под ред. С. В. Емельянова. М.: Высшая школа, 2014. Вып. 3. 160 c.

13. Гренандер У. Лекции по теории образов. М.: Мир, 2014. Т. 2. 342 c.

14. Гренандер У. Лекции по теории образов. М.: Мир, 2014. Т. 3. 432 c.

15. Гренандер У. Лекции по теории образов. М.: Мир, 2014. Т. 1. 571 c.

16. Применение CUDA и тензорных ядер в задачах обнаружения и распознавания объектов / С. В. Дегтерев, Т. И. Лапина, Ю. А. Криушина, Е. А. Криушин // Известия Юго-Западного государственного университета. Серия: Управление, вычислительная техника, информатика. Медицинское приборостроение. 2022. Т. 12, № 1. С. 99-110. https://doi.org/10.21869/2223-1536-2022-12-1-99-110.

17. Лапина Т. И., Криушин Е. Формирование аналитических запросов на основе и рекурсии // Информационные системы и технологии: материалы докладов III Международной научно-технической конференции, Курск, 17 мая 2017 года. Курск: Университетская книга, 2017. С. 26-32.

18. Информационные технологии и вычислительные системы: Обработка информации и анализ данных. Программная инженерия. Математическое моделирование. Прикладные аспекты информатики / под ред. С. В. Емельянова. М.: Ленанд, 2015. 104 c.

19. Гендерная классификация по изображению лица / Л. А. Шмаглит, М. Н. Голубев, А. Н. Ганин, В. В. Хрящев // Цифровая обработка сигналов и ее применение: доклады XIV Международной конференции (DSPA-2012). М., 2012. Т. 2. С. 425.

20. Системное моделирование. Наукометрия и управление наукой. Распознавание образов / под ред. С. В. Емельянова. М.: Ленанд, 2015. 104 c.

21. Математические модели социально-экономических процессов. Моделирование характеристик деятельности отраслевых и региональных подсистем. Динамические системы. Математические проблемы динамики неоднородных систем. Информационные технологии / под ред. С. В. Емельянова. М.: Ленанд, 2015. 112 c.

22. Потапов А. Автоматический анализ изображений и распознавание образов. М.: LAP Lambert Academic Publishing, 2017. 292 c.