一种大数据流内存B+树构建方法

面向具有时间维度的大数据流,基于二级B+树索引结构,提出了一种高效的面向时间窗口、采用批量装载技术的内存B+树构建方法。该方法对时间窗口进行分片,通过分离出可以并行处理的操作来加速构建过程,将排序操作与数据流接收并行,B+树骨架的构建与排序并行;采用基于排序的批量装载技术以及优化 的构建顺序,能够避免多线程之间不必要的加锁、同步开销,有效提高构建效率。提出的多次微批量排序单次批量装载(MBSortSBLoad)B+树构建方法的构建速度快,能承载的最大流速大。实验验证了所提方法的有效性。     

数据库服务器系统软功率计

功率建模是功率感知DBMS的基础.针对数据库服务器系统整机系统进行功率建模,构建其软功率计.模型利用处理器、磁盘(包括硬盘和固态盘)和内存等主要部件的活动信息,包括其利用率与核频率,其余部件产生功率作为背景功率,来构建模型.为提高模型的准确性,对各部件、可用参数对模型准确性进行全面分析.实验表明不同的模型准确性、鲁棒性存在一定的差异,大部分模型的相对误差在5%~8%之间,个别没有利用足够信息的模型相对误差在12%左右,利用全部信息的模型具有较好准确性和稳定性.     

基于固态硬盘内部并行的数据库表扫描与聚集

随着基于闪存的固态硬盘在个人计算机和企业服务器上的广泛应用,固态硬盘受到学术界和工业界越来越多的关注.除了具有闪存存储器的优良特性之外,固态硬盘内部还具有丰富的并行特性.传统数据库系统的物理操作表扫描和上层聚集操作是针对磁盘的机械特性和对称读写特性而设计的,并不能发挥固态硬盘内部并行特性的优势.文中首先将固态硬盘作为一个黑盒进行探测以了解其内部的并行特性.在此基础上,对传统数据库表扫描操作进行相应的改进,提出一种并行表扫描模型ParaSSDScan以充分利用固态硬盘内部丰富的并行特性.其次,基于并行表扫描模型,文中还提出一种高效的并行聚集操作模型ParaSSDAggr,并利用该聚集操作模型实现几种常见聚集操作.最后,通过实验表明并行表扫描和并行聚集操作的性能较之传统数据库表扫描和聚集操作的性能分别提高了3倍和4倍,同时实验结果还表明并行聚集操作对内存的需求不大.并行表扫描和并行聚集操作大大提高了表扫描和聚集操作的性能,充分说明了固态硬盘内部并行特性的优越性.     

异步连接操作的峰值功率建模

功率感知数据库系统的峰值功率研究是解决数据中心能效的重要议题.非运行时峰值功率的估算的挑战在于没有运行时的系统信息作为模型的输入.为克服估算困难,提出了使用CPU密集度作为CPU功耗指示量,理论上分析了异步I/O连接算法在峰值功率发生阶段的特性,通过模拟连接算法峰值功率发生阶段算法行为来估算该阶段最大CPU密集度,根据CPU密集度与CPU功率的内在联系建立异步I/O连接算法的峰值功率预测模型.实验表明:所提预测方法具有较好的预测准确性,平均相对误差低于4%.