基于Supersonic的并行分组聚集

　针对在分析型联机分析处理（ OLAP）应用中频繁出现的数据密集型操作符——分组聚集耗时较多的问题，提出Cache友好的分组聚集算法对该操作进行性能优化。首先，为充分发挥列存储在数据密集型计算方面的优势，采用基于开源的列存储查询执行引擎Supersonic，并在此之上设计Cache友好的分组聚集算法；其次，为加速查询的执行，使用并行技术，将单线程的分组聚集算法改为多线程并行的分组聚集算法。基于Supersonic设计并实现4种并行分组聚集算法：无共享Hash表并行分组聚集（NSHPCA）算法、表锁共享Hash表并行分组聚集（TLSHPGA）算法、桶锁共享Hash表并行分组聚集（BLSHPCA）算法、节点锁共享Hash表并行分组聚集（NLSHPCA）算法，且在不同的分组势集、不同的线程数的情况下，针对上述4种算法做了多组实验。通过对比3种不同粒度的共享Hash表并行分组聚集算法的加速比，得出NLSHPCA算法在加速比和并发度两方面表现最好，部分查询可达到10倍加速比；通过比较NSHPCA算法和NLSHPGA算法的加速比、Cache miss内存使用等情况，得出NLSHPCA算法在分组势榘大于8时，加速比超过NSHPGA算法，并且Cache miss更低，使用的内存更少。