从应用上来讲，GPU 数据库带来了三大方面的进步：加载速度、实时处理和宽表多条件查询。它最大的革新点之一在于，提供了一种不依靠索引，并大幅提升速度的手段。 所以，要搞清楚 GPU 数据库，先让我们聊聊数据库，尤其是数据存储。
索引、分区和组合主键
传统数据库的存储是在磁盘旋转的碟片上。读数据时碟片先旋转到一定位置，磁头再伸到相应的扇区，称之为寻道，并读取一个或多个数据块(Block)。旋转到位的时间和转速有关，以 7200 转 / 秒的磁盘为例，旋转延迟为 4.16ms。普通台式 PC 磁盘的寻道时间为 10ms, 数据传输时间可忽略不计，因此，光是从扇区上读取数据，就需要 14 毫秒左右。这是什么概念呢? 大家后面可以看到，GPU 数据库的响应时间常常也就几十毫秒。
数据库如何找到想要的记录?最糟的办法是扫描整个表，这就意味着要一个个的扇区地读，直到读到目标记录。每读一个扇区用 14 毫秒的话，就洗洗睡了吧。 每个记录都有一个所属的扇区和该记录在该数据块里的位置。不同的操作系统和数据库对这两个概念有不同的名称，让我们姑且称为 PageID 和 SlotID。如果知道每条记录的 PageID 和 SlotID，无论运气好不好，读取时间都是一个常数——直接到磁盘上的目标块，整块读出，并按 SlotID 找到该记录在本块里的所在位置，读出即可。这也称为时间复杂度为 O(1)。
索引可以看作一张表，最重要的功能就是记录每条记录的 PageID 和 SlotID, 并通过一系列指针，让人们尽可能快地找到或更新它们。
以数据库最基本的查询之一： SELECT...WHERE ID=123456 为例， 最有效的是哈希索引。它本质上是一个 Key-Value 表，Key 是 ID 的哈希值，对应该 Key-Value 表里的第几行，Value 包括一个指针，指向存储该条记录的 PageID 和 SlotID。对于 ID=123456，先用哈希函数算出哈希值，比如是 9231，那么直接去索引表的第 9231 行即可找到 PageID 和 SlotID，读出对应扇区的数据块里的数据。因为索引通常放在内存里，因此访问速度比一块块地从磁盘读快得多。
真实的索引远比这个复杂，并分为哈希、B 树，B+ 树等不同技术，来处理等值、范围扫描、非等值查询等。基本原理都类似，将扫描磁盘的多个扇区变为扫描一个多层次的地图， 以便逐层找到目标记录所在的 PageID 和 SlotID。
索引的最大坏处是多了一张或多张索引表。每增加一条记录，不仅要将该记录写到磁盘里，而且要计算哈希值、编入索引表、并调整索引里受影响的指针位置等等。将一个写操作变成了多个操作，更容易出错甚至损坏，而且延长了写入时间，大大降低了数据加载入库的速度。因此，大家可以看到，基于磁盘的数据库，无论是传统关系型还是现代的分布式 Hadoop 数据库，都会提供多种加载方式，其中一种一定是直接写文件，而不写索引，不考虑事务，以便加快加载。 在这点上，GPU 数据库很不一样，也是其最重要的优势之一，后面再讲。
用户们不会那么乖，只按 ID 查，如果还需要按时间、店铺 ID、产品 ID 之类查怎么办?最简单的办法是建多个索引。用哪个字段查，就为哪个字段建索引。如果字段数少还行，但是如果有 10 个常用字段怎么办? 这 10 个字段的组合就可能产生 1024 种索引，如果所有记录都需要编入索引，数据量将膨胀到何种程度?
用户行为分析的巨头 Heap Analytics 就用这个办法：将 Web 访问事件的所有属性记录进一张大表，对常用字段分别建索引。其使用的 PostgreSQL 支持部分索引(partial Index)，允许按 Where 条件筛选，仅将符合 Where 条件的记录建入索引，以便大大地减小建索引的开销和索引表的大小。据称，他们需要维护几百甚至上千个这样的索引。 好在这张大 Fact 表是张稀疏表，每种属性的数据都不多，大量空白值，因此通过 Where 条件筛选后的部分索引会大大缩小。
Hive、SQL-On-Hadoop 之类的产品还会增加其他手段，比如分区。在建表时增加一个“分区”字段，通常用基数低，而用户经常查询的字段，比如年月、店铺 ID 或产品 ID。往数据库里增加记录时，同一分区的记录尽量连续存放在磁盘的同一个或相邻的数据块、或分布式集群的同一个 Region/Partition/Bucket/Division 里 (不同的技术对这个概念的称谓不同)。如果用户经常用这些字段查询，或者 Group By，那么只要先找到分区，一个读操作就可以读出同一个年月、店铺 ID 或产品 ID 的大量记录，大大节省旋转、寻道或分布式存储系统寻址的开销。
对于索引问题，惠普等老牌数据库公司还推出了 MDAM 等技术，将分区字段放在主键之前，拼成多个字段的组合主键，建入同一个 B 树索引中，从而用一个索引达到两个甚至更多索引的效果。 查询时，先组合主键里的分区字段，对每个分区进行并行的范围扫描(Range Scan)。可以想象，如果按性别分区，一下子可以缩小一半的搜索范围。 有兴趣的同学可以读读 HP Labs 大牛 Goetz Graefe 的有关论文，此人对惠普大型数据库和 Microsoft SQL Server 都有神一般的影响。 这一机制在惠普的 Nonstop SQL/MX 和 Apache Trafodion 里仍能找到。
不过组合分区也有其他问题。如果存储系统是键 - 值(Key-Value)的分布式系统，如 HBase，那么对于每对键 - 值都需要存 Key。如果 Key 是组合主键，包括多个字段，那么 Key 就会很长，大大增加存储开销。所以还需要进行编码和压缩，来减小空间开销。代价是，在数据加载时，仍会有增加额外的编码开销。
GPU 和 SIMD
表和图像很类似，对象都是很有规律的一个个格子。 处理起来也很类似：可以并行地对每个格子里的数值执行一组单向步骤的指令——即通过 SIMD(Single Instruction Multiple Data)用同一组指令处理多个数据单元。加上 GPU 有多核，因此可以并行大量线程。每个线程都有对应的核支撑，无需操作系统来回切换，将大大加快速度。对 NVidiaK80 这样的 GPU 设备来讲，硬件并行意味着可以用 4992 颗核来支持上万个线程并行处理，这比操作系统 +CPU 的超线程快多了。GPU 上的内存也增加了不少，K80 有 24G 显存，在 RDMA 等技术的支持下，可以通过 PCI-E 总线和网口实现 GPU 显存之间的高速数据交换。 K80 显存的 IO 总吞吐量也达到 480G/S。因此，将 GPU 用于并行计算和数据库是水到渠成的事。用 GPU 进行几千万行的扫描通常仅需几十毫秒。如果网络速度够快，几十亿行的扫描，返回几亿行结果，也仅需几百毫秒。
GPU 数据库
物联网的迅猛发展，让人们不得不调整数据平台的设计思路和处理方式。2017 年 Gartner 发布的 Top strategic predictions for 2017 一文指出，到 2020 年，210 亿只 IoT 设备对数据中心存储需求增长将不超过 3%。 先入库再处理的方式不适合高速、巨量的物联网数据。
和银行或商业交易记录相比，这些物联网数据的存储价值不高，因为同样的传感器之间的个体差异很小，更接近于随机过程，我们更关心在某个时间段内，发生某个事件的概率，因此需要确保相应统计模型的可靠，和等，而不那么关心 A 区的传感器在二季度比去年同期多发了多少个警报，更无需考虑 A 区传感器半年以来的购物和存贷记录，是否适合我行 180 天期的金茉莉理财产品。
在数据加载的同时进行分析，显得前所未有地重要。第一个坎就是要摆脱对索引的依赖。在多个数据流高速加载的情况下，无需写索引表所换来的性能非常可观。据 Kinetica 的创立者称，2010 年美国陆军情报和安全指挥中心(US Army Intelligence and Security Command) 希望处理 200 多个实时数据流，包括手机、无人机、社交网络和 Web 访问，每小时 2 千亿条记录，为分析师和开发者们提供接口，来结合时间和地理位置监控危险信号。 他们尝试了 HBase、Cassandra 和 MongoDB， 但一直未能解决同样的问题：能支持的查询极为有限，索引越来越多，越来越复杂，并一直需要增加硬件。得到结果的速度越来越慢，开始是 1 个小时，随着索引越来越复杂，逐渐需要 1 天，后来发展到一个星期。 用两年时间，他们开发了基于 GPU 的系统——用 HBase 作为永久存储，用 GPU 数据库提供实时加载、实时查询。多个实时流可以从多个 Head 节点，多线程加载，可处理每分钟 14 亿条。
该 GPU 数据库以列式存储，结合内存 + 显存，无需优化，无需建索引。内置可视化层、地理空间层、流处理层，并有 Hadoop 和 Spark 等接口。常见的使用方法是从 Kafka、Storm、Nifi 上获取数据，高速处理，并输出到 BI 工具如 Tableau、Qlikview 里。
他们在 2017 年纽约举行的 O'Reilly AI 大会里有个演示： 8 个 GPU 设备组成的集群，每台服务器 256G 内存，整个集群有 244 亿条记录，共 1.7TB，其中包含 41 亿条推特。
推特表的情况如下：
用户可以在地图上任意圈定区域，结合邮编、名称等筛选、关联，一秒以内可以从 41 亿条里，返回 5.13 亿条结果。
这种城市级的区域选择，得到 4300 多万条结果，需几十毫秒。
同时，也可以复制区域形状，拉到其他地区放大缩小范围，用关键词搜索文本内容，也可以在几十毫秒得到几百条结果。
用 SQL 对这张 40 多亿条记录的大表，跑下面这条聚合查询，72 毫秒就出结果。
- SELECT count(*), sum(sentiment_vader_p),avg(sentiment_vader_p), min(sentiment_vader_p),stddev(sentiment_vader_p),var(sentiment_vader_p),sum(txtblob_p),avg(txtblob_p),stddev(txtblob_p)
- FROM MASTER.Twitter
对两张 2000 万条记录的电影统计表关联、排序和模糊匹配，响应时间是 53 毫秒。既然是排序，那么 limit 100 对响应时间的帮助应该不大。
- SELECT m.title, m.genres, avg(r.rating),count(r.rating)
- from movie m, rating r
- where r.movieID=m.movieID
- and (genres like'Action%' or genres like 'Thriller%')
- group by m.title, m.genres
- order by 4 desc
- limit 100
总的来说，分析型应用涉及到的大多数数据库操作是读。在生产时间，将数据加载到显存和内存里，无需访问磁盘，因此无需依靠索引来降低访问扇区的开销。通过每个 GPU 的几千个核，并发上万个线程并行扫描全表，尤其适合几千万到几十亿行的 JOIN、模糊匹配、Group By、全表扫描或聚合等等，比如七八千万条的大表在非主键字段上 JOIN，性能提升很明显。单机处理几千万行的数据也能在几十毫秒内返回。这样的低成本查询，使用起来就比 Hadoop 和传统关系型数据库灵活、高效得多。人们不仅可以更自由地选择任意字段分析，按任意组合，一次查询的条件更多，而且能够对高速加载的数据流实时处理——先处理、再落地。
同时，GPU 显存和内存之间的交换带宽很高，所以即使是 TB 级数据，或者有更新、数据注入时，可以用内存作为桥梁，实现磁盘—内存—显存缓存的三级缓存来解决。
多维交叉可视化查询
传统的 BI 只能每次看一个视图，比如先从销售，再碰碰运气加入库存，但实际上有价值的结论需要多个视图一起看，因此产生了多维度交互式可视化查询，让大家的尝试更高效。
Tableau 无疑是这方面最成功的企业之一。这种做法的颠覆性意义在于，同一个仪表盘上同时展现多个视图，反映不同的角度，比如销售、库存、客户等等，点击任何一个视图都会对所有视图添加同样的筛选条件，展现所有角度的变化。
每次点击实际上是对所有视图加了 Where 条件。当数据超过 1 千万条，用普通数据库的响应时间就会很慢，不再是交互式。如果视图超过 10 个，每次互动产生的查询很多，数据库压力也会很大。Tableau 等 BI 工具的解决方法是将查询结果缓存起来，和对大数据集先采样再计算。但这种缓存的设计比较考究，也增加了更多步骤——要先查缓存，缓存里的记录也可能未及时更新。而 GPU 数据库的响应速度快，每个查询的开销低，所以即使不用缓存、不采样，每次都发新的 Query，同样可以达到实时的效果。
MapD 曾有一个很棒的 Demo，展示纽约市出租车的交互式分析，数据量超过 10 亿条。利用 GPU 数据库的性能，加上查询结果在显存里，能实现动画式的交互：用户可以在时间轴上拉一个窗口，并拉动该窗口，其他视图随之变化，请见下图底部时间轴的浅蓝色块，从左到右移动效果。这就超越了指标计算，可以更好地洞察趋势。也可以戳地址(https://www.mapd.com/blog/content/images/2017/04/taxi-ride-filters.gif)看动图。
这种拉动窗口产生的查询更密集，因此仍可以借助查询缓存，利用之前的结果来加速响应，实现流畅的动画效果。不过这种缓存更加简单，比如将查询结果按 Key-Value 的形式放入缓存，Key 是查询语句，Value 是查询结果。
举个例子，如果用 X、Y 轴分别展示航班的到达延误和满座率，通过拉动时间窗口，可以看出不同航空公司的这两个指标组成的点的移动。哪些公司的差距逐渐增大?哪些在减小?
小空间，大数据
大家都知道，GPU 数据库的显存小，那么有没有处理 TB 级以上的例子呢?
除了 Kinetica 宣称能处理 100TB 级的数据之外，Sqream 也比较擅长大数据量的 GPU 应用：其最初客户来源于癌症研究中心，需要处理基因排序，比如对比癌症患者的缺陷基因序列和正常序列，需要大表之间 JOIN。每对序列有 200 多 GB，多对序列的比对就需要 TB 级的处理能力。用关系型数据库对比 12 对序列需要 2 个月，Sqream 通过 GPU 比对几百对序列，仅用了 2 小时。
他们的另一个场景和 Kinetica 最初的安全监控很相似，反映了 GPU 数据库的另一个优势。
5 个无人机加一个巡逻车进行边境巡逻，每小时无人机总共传输 8TB 给巡逻车，巡逻车要及时发现异常以便及时准备扔石头(好吧，后面这句是我编的，如有雷同，纯属巧合)。车里最多能放一两台服务器，GPU 数据库当仁不让。
同样，无人机在人群集中的广场、景点巡逻时，可以将视频传输到坐在咖啡馆里的便衣工作人员的笔记本上，由人脸识别等视频软件产生结构化或半结构化的数据，并由 GPU 数据库实时处理，来识别可疑人物或异常移动的车辆。灵活转移的工作地点和隐秘性，使得一台带 GPU 的笔记本比几台服务器更适合。
机器学习和深度分析
GPU 数据库在机器学习和深度分析上的应用也越来越多。对于机器学习来讲，在模型上跑机器学习算法，需要用多个数据集在多个模型上计算。越快算完，可验证的模型就越多。 这方面的应用有很多文章，就不再赘述。
越来越多的厂家开始用 UDF 将人工智能、回归、分类、预测等现成的代码集成到 GPU 上运算，以充分利用 GPU 加速线性回归、随机森林、灰度提升树(GBT)或蒙特卡罗仿真等。一般的实现方式是先将自己的 Java/Python/C/C++ 的函数和 library 向 GPU 数据库注册成 UDF 函数，然后在自己的 Python/Spark/Tensor Flow/Caffe 里访问数据库，比如通过 UDF 向 GPU 数据库传入一个表，在 GPU 上执行 UDF，返回数值结果或二进制的表结果。
GPU 数据库的局限
GPU 数据库擅长能够被转化成并行处理的任务，比如 Group By、JOIN、Aggregates、Hash。但不擅长某些难以并行的，比如排序，或者先排序再处理。
同时，由于显存有限，在处理较大数据集时，需要内存、显存之间的交换。数据准备、分块、各个阶段 IO 访问和 Kernel 的同步协调等执行细节，对开发者的要求和代码质量比较高。考虑到数据的实际物理分布、并行度、对 JOIN 优化等情况，还可能涉及到数据重分配，广播等跨 GPU、跨节点的交换。虽然 NVidia 的 RDMA 通过支持 GPU 和网卡、GPU 同伴之间基于 PCI-E 总线的高速交换，能提高数据交换速度，但仍和开发水平关系很大。
一旦涉及到大量的写操作，GPU 显存小的劣势更明显，需要频繁地和内存、磁盘之间交换。随着计算的比例下降，IO 的比例上升，GPU 在计算上的优势就被 IO 上的劣势逐渐掩盖。同时，分析型应用和显存的有限，导致 GPU 数据库常用列式存储。因此对于一致性要求较高的场景，需慎用。它们一般提供最终一致性。读写并行时，如果有 20 个线程访问，19 个读、1 个写，会让所有读都通过，无锁、无事务，有可能带来脏读等问题。
在并发处理上，更多的是依靠高速计算能力，十几毫秒的响应速度结合分布式、管道、队列、消息系统等来提升并发性能。而如果十几毫秒仍然不够快， 从 GPU SIMD 的实施方式上来讲，是独占和单向的，有的指令要等所有核都计算完，数据同步后才能进入下个指令。 因此，如果某个核所需的数据没准备好，有可能造成其他核空等。
实际上，GPU 数据库这个称谓，和其发展现状来比，还有甚远的距离。“数据库”包括很多内容，性能仅仅是一个小部分。MySQL、PostgreSQL 等开源数据库的成功远远不只是“性能”或“兼容”。窗口函数、CTE 等带来的便捷、高可用、事务、ACID、元数据管理、冷热数据分离、混合工作流等等都是大型数据库集几十年、数代的开发和应用逐渐积累的，基于 GPU 的数据产品还不能全面和商业数据库媲美。
同时，站在数据湖的角度来看，GPU 能解决某些实时流处理、查询和加工工作。而更多的报表、ETL、数据集市、关系型数据库迁移、混合云等工作，还是需要基于 Hadoop 等分布式数据平台，依靠全面的 ETL、索引、分区、冷热数据分离、冷数据转移、清理、合并、复制等。数据治理、元数据管理、安全和权限、弹性计算等方面，几个 Hadoop 平台厂家也有成熟、全面且可靠、好用的方案。
任重而道远，且行且珍惜!
