Vectorized Execution (Part I)
说实话,这节课有点没听明白。
上节课说到了通过矢量化来加速查询的优化,需要这么做的原因是:
- 构建一个DBMS是非常难的一件事情
- DBMS中有很多的问题需要去克服
- 新的CPU加速效果不明显,所以必须想别的办法来提升效果
硬件方面
一般来说,现在用的CPU主要分为两种
MULTI-CORE CPUS
使用少量高功率内核,这些内核的结构复杂功能,功能也更加强大。
- 例如:英特尔Haswell / Skylake
- 每个内核具有高功耗和大面积的特性。
大规模的超标量和积极的失序执行
- 指令是从顺序流发出的,类似管道的任务队列。
- 多个核在分别取得各自的指令,需要检查指令之间的依赖关系。
- 每个时钟周期处理多个指令。
MANY INTEGRATED CORES (MIC)
使用大量的低功率内核,这些内核设计的思想有点像GPU,数量多,但是结构简单,功能稍弱。
- 英特尔Xeon Phi,内核 = Intel P54C(也就是20世纪90年代的Pentium)。
- 每个内核的面积较小,功耗和较低。
非超标量和有序执行,但具有扩展的SIMD功能。
- 更大的寄存器大小,和更高级的指令。
- 只能有序执行是因为妥协的结果
MULTI-CORE VS. MIC
VECTORIZATION
程序从一次处理一对操作数的标量实现转换为一次处理多对操作数的一个操作的矢量实现。
STREAMING SIMD EXTENSIONS (SSE)
英特尔1999年首次推出,在推出之前Intel最早的SIMD只支持64位的SIMD寄存器,而且编译器也不怎么支持,需要人工往内存中写东西,同时也会阻断不是SIMD指令集中的其他指令。SSE一推出就广受欢迎。
SSE是针对特定128位SIMD寄存器的集合SIMD指令。
这些寄存器可以打包四个32位标量,之后可以同时对四个元素中的每一个执行操作。
- Data Movement
- 往寄存器中移入或者移出数据
- Arithmetic Operations
- 对多个变量同时进行算术运算,加减乘除等
<