Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Bücher
Zeitschriften
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
MTZ-Fachkongress

Antriebe und Energiesysteme von morgen


Austausch von Automobil- und Energiewirtschaft

Am 14./15. Mai geht es in Chemnitz um die Mobilitätswende durch Elektro- und Wasserstofffahrzeuge.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
Optimization of Row Pattern Matching over Sequence Data in Spark SQL Kapitel lesen Erstes Kapitel lesen

2019 | OriginalPaper | Buchkapitel

Database Processing-in-Memory: A Vision

verfasst von : Tiago R. Kepe, Eduardo C. Almeida, Marco A. Z. Alves, Jorge A. Meira

Erschienen in: Database and Expert Systems Applications

Verlag: Springer International Publishing

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Abstract

The recent trend of Processing-in-Memory (PIM) promises to tackle the memory and energy wall problems lurking in the data movement around the memory hierarchy, like in data analysis applications. In this paper, we present our vision on how database systems can embrace PIM in query processing. We share with the community an empirical analysis of the pros/cons of PIM in three main query operators to discuss our vision. We also present promising results of our ongoing work to build a PIM-aware query scheduler that improved query execution in almost 3\(\times \) and reduced energy consumption in at least 25%. We complete our discussion with challenges and opportunities to foster research impulses in the co-design of Database-PIM.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Jetzt informieren
Vorheriges Kapitel Named Entity Recognition in Local Intent Web Search Queries
Nächstes Kapitel Context-Aware GANs for Image Generation from Multimodal Queries
Literatur
1.
Alves, M.A.Z., Diener, M., Santos, P.C., Carro, L.: Large vector extensions inside the HMC. In: DATE (2016)
2.
Alves, M.A.Z., Villavieja, C., Diener, M., Moreira, F.B., Navaux, P.O.A.: Sinuca: a validated micro-architecture simulator. In: HPCC/CSS/ICESS (2015)
3.
Breß, S., Mohammad, S., Schallehn, E.: Self-tuning distribution of DB-operations on hybrid CPU/GPU platforms. In: 24th Grundlagen von Datenbanken (2012)
4.
Cheng, X., He, B., et al.: Many-core needs fine-grained scheduling: a case study of query processing on intel xeon phi processors. J. Parallel Distrib. Comput. 120, 395–404 (2018) CrossRef
5.
Cho, S., Park, C., Oh, H., Kim, S., Yi, Y., Ganger, G.R.: Active disk meets flash: a case for intelligent SSDs. In: ICS (2013)
6.
DeWitt, D.J., Hawthorn, P.B.: A performance evaluation of data base machine architectures (invited paper). In: 7th VLDB (1981)
7.
Do, J., Kee, Y., Patel, J.M., Park, C., Park, K., DeWitt, D.J.: Query processing on smart SSDs: opportunities and challenges. In: SIGMOD (2013)
8.
Graefe, G., Harizopoulos, S., Kuno, H.A., Shah, M.A., et al.: Designing database operators for flash-enabled memory hierarchies. IEEE Data Eng. 33, 21–27 (2010)
9.
Harizopoulos, S., Abadi, D.J., Madden, S., Stonebraker, M.: OLTP through the looking glass, and what we found there. In: SIGMOD (2008)
10.
11.
Hsieh, K., Ebrahimi, E., Kim, G., Chatterjee, N., O’Connor, M., Vijaykumar, N., Mutlu, O., Keckler, S.W.: Transparent offloading and mapping (TOM): enabling programmer-transparent near-data processing in GPU systems. In: ISCA (2016)
12.
Jeddeloh, J., Keeth, B.: Hybrid memory cube new DRAM architecture increases density and performance. In: VLSIT (2012)
13.
Karnagel, T., Habich, D., Schlegel, B., Lehner, W.: Heterogeneity-aware operator placement in column-store DBMS. Datenbank-Spektrum (2014)
14.
Kautz, W.H.: Cellular logic-in-memory arrays. IEEE Trans. Comput. 18, 719–727 (1969)CrossRef
15.
Keeton, K., Patterson, D.A., Hellerstein, J.M.: A case for intelligent disks (IDISKs). In: SIGMOD Record (1998)CrossRef
16.
Kepe, T.R.: Dynamic database operator scheduling for processing-in-memory. In: PhD@VLDB (2018)
17.
Kim, J., Kim, Y.: HBM: memory solution for bandwidth-hungry processors. In: 26th HCS (2014)
18.
Kim, S., Oh, H., Park, C., Cho, S., Lee, S.: Fast, energy efficient scan inside flash memory. In: ADMS@VLDB (2011)
19.
Mirzadeh, N., Kocberber, O., Falsafi, B., Grot, B.: Sort vs. hash join revisited for near-memory execution. In: ASBD@ISCA (2015)
20.
21.
Pattnaik, A., Tang, X., Jog, A., Kayiran, O., et al.: Scheduling techniques for GPU architectures with processing-in-memory capabilities. In: PACT (2016)
22.
Tiwari, D., Boboila, S., et al.: Active flash: towards energy-efficient, in-situ data analytics on extreme-scale machines. In: 11th USENIX/FAST (2013)
23.
Tome, D.G., Kepe, T.R., Alves, M.A.Z., de Almeida, E.C.: Near-data filters: taking another brick from the memory wall. In: ADMS@VLDB (2018)
24.
Tome, D.G., Santos, P.C., Carro, L., de Almeida, E.C., Alves, M.A.Z.: HIPE: HMC instruction predication extension applied on database processing. In: DATE (2018)
25.
Metadaten
Titel
Database Processing-in-Memory: A Vision
verfasst von
Tiago R. Kepe
Eduardo C. Almeida
Marco A. Z. Alves
Jorge A. Meira
Copyright-Jahr
2019
Buch
Database and Expert Systems Applications

Print ISBN: 978-3-030-27614-0

Electronic ISBN: 978-3-030-27615-7

Copyright-Jahr: 2019

DOI
https://doi.org/10.1007/978-3-030-27615-7_32

Premium Partner

    Bildnachweise