| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第9-14页 |
| 1.1 研究的背景和意义 | 第9-10页 |
| 1.1.1 大数据管理的需求 | 第9页 |
| 1.1.2 基于GPU的并行计算 | 第9-10页 |
| 1.2 相关研究 | 第10-11页 |
| 1.2.1 GPU在数据库技术中的应用 | 第10-11页 |
| 1.3 研究的内容和目标 | 第11-12页 |
| 1.4 论文的组织 | 第12-14页 |
| 第二章 相关知识 | 第14-22页 |
| 2.1 GPU的体系结构 | 第14-16页 |
| 2.1.1 G80和GT200架构 | 第14-16页 |
| 2.1.2 Fermi架构 | 第16页 |
| 2.2 统一计算设备架构CUDA | 第16-18页 |
| 2.2.1 执行模型 | 第17页 |
| 2.2.2 编程模型 | 第17-18页 |
| 2.2.3 存储器模型 | 第18页 |
| 2.3 软件体系结构 | 第18-20页 |
| 2.4 多连接查询优化 | 第20-21页 |
| 2.5 本章小结 | 第21-22页 |
| 第三章 连接顺序优化 | 第22-28页 |
| 3.1 多连接顺序优化 | 第22页 |
| 3.2 GPU上的连接代价模型 | 第22-24页 |
| 3.3 基于启发式算法的搜索策略 | 第24-27页 |
| 3.4 本章小结 | 第27-28页 |
| 第四章 多连接并行优化 | 第28-49页 |
| 4.1 数据连接操作 | 第28-29页 |
| 4.2 排序归并连接算法 | 第29-34页 |
| 4.2.1 排序归并连接算法的思想及其串行实现 | 第29-30页 |
| 4.2.2 排序归并连接算法的并行实现 | 第30-34页 |
| 4.3 哈希连接 | 第34-40页 |
| 4.3.1 哈希连接的思想及其串行实现 | 第34-35页 |
| 4.3.2 并行哈希连接算法 | 第35-40页 |
| 4.4 连接间并行优化 | 第40-48页 |
| 4.4.1 顺序并行执行策略 | 第40-41页 |
| 4.4.2 分层并行执行策略 | 第41-44页 |
| 4.4.3 分段右深树策略 | 第44-48页 |
| 4.5 本章小结 | 第48-49页 |
| 第五章 实验测试和分析 | 第49-63页 |
| 5.1 实验平台 | 第49页 |
| 5.1.1 硬件环境 | 第49页 |
| 5.1.2 软件环境 | 第49页 |
| 5.2 实验数据和方法 | 第49-50页 |
| 5.2.1 实验数据 | 第49-50页 |
| 5.2.2 实验方法 | 第50页 |
| 5.3 连接内实验 | 第50-57页 |
| 5.3.1 GPU平台上单连接各阶段性能分析 | 第50-53页 |
| 5.3.2 多核CPU平台上单连接实现思路与性能分析 | 第53-55页 |
| 5.3.3 偏斜性实验 | 第55-57页 |
| 5.4 连接间实验 | 第57-61页 |
| 5.4.1 分层并行执行策略实验 | 第57-60页 |
| 5.4.2 分段右深树策略实验 | 第60-61页 |
| 5.5 本章小结 | 第61-63页 |
| 总结与展望 | 第63-64页 |
| 参考文献 | 第64-67页 |
| 致谢 | 第67-68页 |
| 答辩委员签名的答辩决议书 | 第68页 |