面向时空数据流的CPU/GPU异构协同数据管理关键技术

The management of spatio-temporal data stream is an important basis of developing new generation information techniques. The existing data stream management techniques focuses mainly on optimizing query efficiency. However, the indexing efficiency is more important for managing dynamic, concurrent, high volume and high updating frequency spatio-temporal data. The existing techniques are inadequate for this new requirement. Therefore, it’s imperative to study new efficient spatio-temporal data management theory and techniques. Adopting CPU/GPU heterogeneous collaborating technique, this project study key techniques of establishing spatio-temporal data management techniques, which utilizing the multi-layer GPU storage capability, for high volume parallel data stream, including: designing dynamic indexing architecture under multi-layer, heterogeneous storage, establishing index updating and query processing methods that based on the afore mentioned index under multicore parallel computing circumstance; solving essential problems that restricting the parallel indexing and querying performance; establishing new compute model and algorithm theory for spatio-temporal data management, and design a spatio-temporal data stream management system. Based on our previous results and the innovative ideas, such as “merging GPU and CPU” or “unifying query stream and data stream”, the project may lead to a series of innovative result and technical breakthrough. The project will provide support for new generation information techniques like IoT and smart transportation, and will have a broad applicational prospect.

时空数据流管理技术是新一代信息技术的重要基础。传统时空数据管理技术着眼于优化查询效率，而管理动态、并发、海量、高频的时空数据流主要侧重对索引的高效更新。现有技术由于其结构限制很难适应这种新需求。发展新型高效的时空数据流管理理论与技术势在必行。本项目以CPU/GPU异构协同技术为切入手段，研究面向大规模并发时空数据流的数据管理关键技术，包括：设计以GPU为主体的多层异构动态索引结构，提出基于该索引结构的高并发多核CPU/GPU异构协同索引更新与查询处理方法，建立时空数据流管理新型计算模型与算法理论，并根据上述模型与理论构建一个CPU/GPU异构协同时空数据流管理原型系统。基于我们在预研过程中形成的“GPU与CPU融合”、“查询流与数据流统一”等多项创新思路及初步研究成果，本项目有望进一步创新并取得关键技术突破。本项目将为物联网、智能交通等新一代信息技术提供理论与技术支撑，应用前景广阔。

时空数据流管理是发展新一代信息技术的关键环节。当前技术已不适应新条件下对大数据量、高更新率时空数据流的管理需求。项目突破内存数据库局限，研究了构建面向大规模并发时空数据流的以GPU多层存储为主体的时空数据管理技术体系，包括：建立多层次、异构存储环境下和多核高并发计算环境下的CPU/GPU异构协同并行索引理论；解决制约并行索引与查询性能的若干关键问题；提出针对若干典型时空数据查询类型的高效并行处理方法；构建开源异构协同时空数据流管理原型系统。四年来，课题组按照申请书的研究计划在上述方面开展了深入系统的研究，顺利完成了各项任务。在国内外知名学术会议（如CIKM）和期刊（如Information Sciences、Information Systems）上发表了学术论文15篇，申请发明专利7项。开发了相关的原型系统HySDB并开源发布在Github上。项目研究成果不但具有理论意义，而且契合国家科技发展战略，能够为物联网、智能交通等新一代信息技术提供一定的理论与技术支撑，应用前景广阔。