Переосмысление SIMD-векторизации для баз данных в памяти

Аналитические базы данных постоянно адаптируются к базовому аппаратному обеспечению, чтобы задействовать все источники параллелизма. В то же время аппаратное обеспечение развивается в разных направлениях в поисках компромиссов. Архитектура MIC, являющаяся одним из примеров, отклоняется от типичного дизайна CPU, объединяя на кристалле большее число более простых ядер и полагаясь на SIMD-инструкции для компенсации разницы в производительности. Базы данных стремятся использовать SIMD-возможности CPU. Однако в современных массовых CPU сравнительно недавно появились более широкие SIMD-регистры и более продвинутые инструкции, поскольку они не полагаются в первую очередь на SIMD для эффективности. В этой статье мы представляем новые векторизованные варианты проектирования и реализации операторов баз данных, основанные на продвинутых SIMD-операциях, таких как gathers и scatters. Мы изучаем операции выборки, хеш-таблицы и разбиение (partitioning) и комбинируем их для построения сортировки и соединений. Наша оценка на сопроцессоре Xeon Phi на базе MIC, а также на современных массовых CPU показывает, что предложенные схемы векторизации работают до одного порядка величины быстрее по сравнению с современными скалярными и векторными подходами. Кроме того, мы подчёркиваем влияние эффективной векторизации на алгоритмический дизайн операторов баз данных в памяти, а также на архитектурный дизайн и энергоэффективность аппаратуры, делая простые ядра сопоставимо быстрыми с сложными ядрами. Эта работа применима к CPU и сопроцессорам с продвинутыми SIMD-возможностями, использующим либо много простых ядер, либо меньшее число сложных ядер.