1. 毕业设计（论文）主要内容：

由于物理工艺的限制，近年来cpu的性能已经难以得到大幅提升。然而，在大数据时代数据量快速增长，这使得cpu越来越难以应对日益增长的数据处理需求。与此同时，随着通用图形处理器（gpgpu）计算技术的流行，利用gpu的并行计算能力来优化查询执行的性能成为数据库方向的研究热点。本研究旨在利用gpu的高性能计算能力，通过查询任务间协同进行gpu的资源管理，支持并发的查询请求，进而有效提升gpu的整体资源利用率。

研究内容：

1、查询任务的创建：基于gpu的高性能计算能力，研究利用gpu加速数据库的join和sort等sql操作符以及事务的执行。需要针对gpu的计算特点，生成合适的查询任务，方便gpu的处理。
2、数据传输优化：gpu数据库的瓶颈在于io传输，这一部分任务占据了大部分的执行时间，在不同的查询任务中重复传输了数据库中相同列存储数据，不但浪费了pcie总线带宽，还占用了大量的cpu资源。本研究将基于内存数据库，设计有效的计算策略，尽可能减少数据传输的时间，提升查询速度。
3、任务调度设计：现有的各种gpu数据库调度系统由于各查询任务单独管理gpu资源带来重复开销，导致gpu的利用率仍然较低，我们将使不同任务协同使用gpu资源，统一进行调度，进而减少任务切换的开销，提高总体查询效率。

2. 毕业设计（论文）主要任务及要求

1.查阅15篇相关文献（不少于3篇外文文献），并每篇书写200—300字文献摘要（装订成册，带封面）；
2.认真填写周记，完成至少1500字开题报告（“设计的目的及意义”至少800汉字；“基本内容和技术方案”至少400汉字；进度安排应尽可能详细；教指导教师意见应包含：学生的调研是否充分？基本内容和技术方案是否已明确？是否已经具备开始设计（论文）的条件？能否达到预期的目标？是否同意进入设计（论文）阶段？）；
3.完成5000中文字以上的相关英文专业文献翻译，并装订成册（中英文一起，带封面）；
4.完成系统的编码与调试；
5.完成10000字以上的毕业论文；
6.进行论文答辩。

3. 毕业设计（论文）完成任务的计划与安排

(1)2019/1/19—2019/2/28：确定选题，查阅文献，外文翻译和撰写开题报告；
(2)2019/3/1—2019/4/30：系统架构、程序设计与开发、系统测试与完善；
(3)2019/5/1—2019/5/25：撰写及修改毕业论文；
(4)2019/5/26—2019/6/5：准备答辩。

4. 主要参考文献

[1] Y Yuan, R Lee, X Zhang. The Yin and Yang of processing data warehousing queries on GPU devices[J]. Proc. VLDB Endow., 2013, 6(10): 817–828.
[2] Wang K, Zhang K, Yuan Y, et al. Concurrent analytical query processing with GPUs[J]. Proc. VLDB Endow., 2014, 7(11): 1011-1022.
[3] Peter B, Kevin S. Accelerating SQL database operations on a GPU with CUDA[C]. Proceedings of the 3rd Workshop on General-Purpose Computation on Graphics Processing Units. ACM, 2010: 94-103.
[4] Heimel M, Michael S, Holger P, Stefan M, Volker M. Hardware-oblivious parallelism for in-memory column-stores[C]. Proceedings of the VLDB Endowment 6.9 (2013): 709-720.
[5] Naga K. G, Brandon L, Wei W, Ming L, Dinesh Manocha. Fast computation of database operations using graphics processors[C]. In SIGMOD, 2004: p206.
[6] 李逸龙, 张凯, 何震瀛, 王晓阳. 基于GPU数据库系统的并发查询性能优化[J]. 计算机应用与软件. 2018(08).