比Spark快100倍的GPU加速SQL引擎！BlazingSQL开源了

发布时间：2019-08-07 14:00:50 所属栏目：Windows 来源：蔡芳芳

导读：BlazingSQL 是基于英伟达 RAPIDS 生态系统构建的 GPU 加速 SQL 引擎，可以为各种 ETL 大数据集提供 SQL 接口，并且完全运行在 GPU 之上。近日，其研发团队宣布，BlazingSQL 基于 Apache 2.0 许可完全开源！开源项目地址： https://github.com/blazingdb/

越小越好

运行以下 Colab 演示，用户可以使用免费英伟达 T4 GPU 资源进行同样的测试，对 BlazingSQL 的实际效果进行验证：

https://colab.research.google.com/drive/1EbPE9FwFur7fE2054BH9s23Kd0FiUgGo

据介绍，BlazingSQL 大部分性能提升来自团队的内部引擎项目，BlazingSQL 团队的工程师们希望开发一种专为 GPU DataFrames（GDF）构建的 GPU 执行内核，称之为“SIMD 表达式解释器”（SIMD Expression Interpreter）。研发团队分享了一些关于 SIMD 表达式解释器的细节，SIMD 表达式解释器通过几个关键步骤带来提升性能：

接收多个输入，包括 GDF 列、字面量，在不久的将来也会支持函数。
在加载这些输入时，SIMD 表达式解释器将对 GPU 寄存器的分配进行优化，这可以优化 GPU 线程占用率，并提高性能。
然后，虚拟机处理这些输入，并生成多个输出。假设有以下 SQL 查询：

SELECT colA + colB * 10，sin（colA） - cos（colD）FROM tableA

在以前，BlazingSQL 会将这条查询语句转换为 5 个操作（+，*，sin，cos， - ），每个操作都需要单独执行。在使用 SIMD 表达式解释器后，它会同时接收（colA、colB、colD）作为输入，并在单次内核执行中执行所有 5 个操作，最终生成两个输出。这意味着 colA 只需要加载一次，而不是两次。

目前，SIMD 表达式解释器支持 BlazingSQL 的过滤和投影，因此它对许多主流的 SQL 查询都有影响。

如何使用 BlazingSQL

使用 BlazingSQL 在 Amazon S3 中查询 CSV 文件的示例代码：

from blazingsql import BlazingContext 
bc = BlazingContext() 
 
bc.s3('dir_name', bucket_name='bucket_name', access_key_id='access_key', secrect_key='secret_key') 
 
# Create Table from CSV 
bc.create_table('taxi', '/dir_name/taxi.csv') 
 
# Query 
result = bc.sql('SELECT count(*) FROM taxi GROUP BY year(key)').get() 
result_gdf = result.columns 
 
#Print GDF 
print(result_gdf)

更多 BlazingSQL 的操作方法参见：

GitHub 项目链接：https://github.com/blazingdb/pyBlazing/

官方网站：https://docs.blazingdb.com/docs/using-blazingsql

【编辑推荐】

利用深度学习自动补全 Python 代码，这个开源项目有点牛
担心被AI换脸技术祸害？别怕！Deepfake打假队正在赶来
妹子一个rm -rf把公司服务器数据删没了_技术栈微信半月刊第46期
阿里、拼多多面试分享：已获技术专家Offer
2019年上半年企业IT技术在线学习报告

【责任编辑：张燕妮 TEL：（010）68476606】
点赞 0

（编辑：辽源站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!

3/3

首页