利用GPU的R树细粒度并行STR方法批量构建

大数据时代,需要对海量空间数据更快速地建立高效索引,使用递归排序网格（STR）方法构建的R树具有优秀的查询性能,但构建效率不高。本文利用基于计算机图形处理器（GPU）的通用计算具有细粒度可并行性的特点,提出了一种基于STR算法的R树GPU并行构建算法,使用线性数据结构存储R树,并且用整体排序代替分段排序,细化算法的并行粒度。实验结果表明,同CPU算法相比,本文算法的加速比最高可达27倍,并且呈现出随着数据量增大而变大的趋势。本文算法充分利用GPU的并行处理能力,高效构建了性能优越的R树空间索引。...

Ausführliche Beschreibung

Gespeichert in:

Bibliographische Detailangaben
Veröffentlicht in:	武汉大学学报：信息科学版 2014, Vol.39 (9), p.1068-1073
1. Verfasser:	邵华江南胡斌吕恒朱进
Format:	Artikel
Sprache:	chi
Schlagworte:	GPU R树批量构建空间索引细粒度并行
Online-Zugang:	Volltext
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

container_end_page	1073
container_issue	9
container_start_page	1068
container_title	武汉大学学报：信息科学版
container_volume	39
creator	邵华江南胡斌吕恒朱进
description	大数据时代,需要对海量空间数据更快速地建立高效索引,使用递归排序网格（STR）方法构建的R树具有优秀的查询性能,但构建效率不高。本文利用基于计算机图形处理器（GPU）的通用计算具有细粒度可并行性的特点,提出了一种基于STR算法的R树GPU并行构建算法,使用线性数据结构存储R树,并且用整体排序代替分段排序,细化算法的并行粒度。实验结果表明,同CPU算法相比,本文算法的加速比最高可达27倍,并且呈现出随着数据量增大而变大的趋势。本文算法充分利用GPU的并行处理能力,高效构建了性能优越的R树空间索引。
format	Article
fullrecord	<record><control><sourceid>chongqing</sourceid><recordid>TN_cdi_chongqing_primary_662227355</recordid><sourceformat>XML</sourceformat><sourcesystem>PC</sourcesystem><cqvip_id>662227355</cqvip_id><sourcerecordid>662227355</sourcerecordid><originalsourceid>FETCH-chongqing_primary_6622273553</originalsourceid><addsrcrecordid>eNpjYeA0NDM31LWwMDPgYOAtLs5MMjA2MzE2MTIy5WQwedqx8vmUFe4Boc9ntQQ9WzDx-e6255smPd217OnObS8W9gSHBD2btvPZ5qnPOne-bO9_Nq_l6e5dPAysaYk5xam8UJqbQcnNNcTZQzc5Iz8vvTAzLz2-oCgzN7GoMt7MzMjIyNzY1NSYKEUAvqBC_A</addsrcrecordid><sourcetype>Publisher</sourcetype><iscdi>true</iscdi><recordtype>article</recordtype></control><display><type>article</type><title>利用GPU的R树细粒度并行STR方法批量构建</title><source>EZB Electronic Journals Library</source><creator>邵华江南胡斌吕恒朱进</creator><creatorcontrib>邵华江南胡斌吕恒朱进</creatorcontrib><description>大数据时代,需要对海量空间数据更快速地建立高效索引,使用递归排序网格（STR）方法构建的R树具有优秀的查询性能,但构建效率不高。本文利用基于计算机图形处理器（GPU）的通用计算具有细粒度可并行性的特点,提出了一种基于STR算法的R树GPU并行构建算法,使用线性数据结构存储R树,并且用整体排序代替分段排序,细化算法的并行粒度。实验结果表明,同CPU算法相比,本文算法的加速比最高可达27倍,并且呈现出随着数据量增大而变大的趋势。本文算法充分利用GPU的并行处理能力,高效构建了性能优越的R树空间索引。</description><identifier>ISSN: 1671-8860</identifier><language>chi</language><subject>GPU ; R树 ; 批量构建 ; 空间索引 ; 细粒度并行</subject><ispartof>武汉大学学报：信息科学版, 2014, Vol.39 (9), p.1068-1073</ispartof><woscitedreferencessubscribed>false</woscitedreferencessubscribed></display><links><openurl>$$Topenurl_article</openurl><openurlfulltext>$$Topenurlfull_article</openurlfulltext><thumbnail>$$Uhttp://image.cqvip.com/vip1000/qk/92848A/92848A.jpg</thumbnail><link.rule.ids>314,780,784,4024</link.rule.ids></links><search><creatorcontrib>邵华江南胡斌吕恒朱进</creatorcontrib><title>利用GPU的R树细粒度并行STR方法批量构建</title><title>武汉大学学报：信息科学版</title><addtitle>Geomatics and Information Science of Wuhan University</addtitle><description>大数据时代,需要对海量空间数据更快速地建立高效索引,使用递归排序网格（STR）方法构建的R树具有优秀的查询性能,但构建效率不高。本文利用基于计算机图形处理器（GPU）的通用计算具有细粒度可并行性的特点,提出了一种基于STR算法的R树GPU并行构建算法,使用线性数据结构存储R树,并且用整体排序代替分段排序,细化算法的并行粒度。实验结果表明,同CPU算法相比,本文算法的加速比最高可达27倍,并且呈现出随着数据量增大而变大的趋势。本文算法充分利用GPU的并行处理能力,高效构建了性能优越的R树空间索引。</description><subject>GPU</subject><subject>R树</subject><subject>批量构建</subject><subject>空间索引</subject><subject>细粒度并行</subject><issn>1671-8860</issn><fulltext>true</fulltext><rsrctype>article</rsrctype><creationdate>2014</creationdate><recordtype>article</recordtype><recordid>eNpjYeA0NDM31LWwMDPgYOAtLs5MMjA2MzE2MTIy5WQwedqx8vmUFe4Boc9ntQQ9WzDx-e6255smPd217OnObS8W9gSHBD2btvPZ5qnPOne-bO9_Nq_l6e5dPAysaYk5xam8UJqbQcnNNcTZQzc5Iz8vvTAzLz2-oCgzN7GoMt7MzMjIyNzY1NSYKEUAvqBC_A</recordid><startdate>2014</startdate><enddate>2014</enddate><creator>邵华江南胡斌吕恒朱进</creator><scope>2RA</scope><scope>92L</scope><scope>CQIGP</scope><scope>W94</scope><scope>~WA</scope></search><sort><creationdate>2014</creationdate><title>利用GPU的R树细粒度并行STR方法批量构建</title><author>邵华江南胡斌吕恒朱进</author></sort><facets><frbrtype>5</frbrtype><frbrgroupid>cdi_FETCH-chongqing_primary_6622273553</frbrgroupid><rsrctype>articles</rsrctype><prefilter>articles</prefilter><language>chi</language><creationdate>2014</creationdate><topic>GPU</topic><topic>R树</topic><topic>批量构建</topic><topic>空间索引</topic><topic>细粒度并行</topic><toplevel>online_resources</toplevel><creatorcontrib>邵华江南胡斌吕恒朱进</creatorcontrib><collection>维普_期刊</collection><collection>中文科技期刊数据库-CALIS站点</collection><collection>维普中文期刊数据库</collection><collection>中文科技期刊数据库-自然科学</collection><collection>中文科技期刊数据库- 镜像站点</collection><jtitle>武汉大学学报：信息科学版</jtitle></facets><delivery><delcategory>Remote Search Resource</delcategory><fulltext>fulltext</fulltext></delivery><addata><au>邵华江南胡斌吕恒朱进</au><format>journal</format><genre>article</genre><ristype>JOUR</ristype><atitle>利用GPU的R树细粒度并行STR方法批量构建</atitle><jtitle>武汉大学学报：信息科学版</jtitle><addtitle>Geomatics and Information Science of Wuhan University</addtitle><date>2014</date><risdate>2014</risdate><volume>39</volume><issue>9</issue><spage>1068</spage><epage>1073</epage><pages>1068-1073</pages><issn>1671-8860</issn><abstract>大数据时代,需要对海量空间数据更快速地建立高效索引,使用递归排序网格（STR）方法构建的R树具有优秀的查询性能,但构建效率不高。本文利用基于计算机图形处理器（GPU）的通用计算具有细粒度可并行性的特点,提出了一种基于STR算法的R树GPU并行构建算法,使用线性数据结构存储R树,并且用整体排序代替分段排序,细化算法的并行粒度。实验结果表明,同CPU算法相比,本文算法的加速比最高可达27倍,并且呈现出随着数据量增大而变大的趋势。本文算法充分利用GPU的并行处理能力,高效构建了性能优越的R树空间索引。</abstract></addata></record>
fulltext	fulltext
identifier	ISSN: 1671-8860
ispartof	武汉大学学报：信息科学版, 2014, Vol.39 (9), p.1068-1073
issn	1671-8860
language	chi
recordid	cdi_chongqing_primary_662227355
source	EZB Electronic Journals Library
subjects	GPU R树批量构建空间索引细粒度并行
title	利用GPU的R树细粒度并行STR方法批量构建
url	https://sfx.bib-bvb.de/sfx_tum?ctx_ver=Z39.88-2004&ctx_enc=info:ofi/enc:UTF-8&ctx_tim=2025-01-07T15%3A50%3A09IST&url_ver=Z39.88-2004&url_ctx_fmt=infofi/fmt:kev:mtx:ctx&rfr_id=info:sid/primo.exlibrisgroup.com:primo3-Article-chongqing&rft_val_fmt=info:ofi/fmt:kev:mtx:journal&rft.genre=article&rft.atitle=%E5%88%A9%E7%94%A8GPU%E7%9A%84R%E6%A0%91%E7%BB%86%E7%B2%92%E5%BA%A6%E5%B9%B6%E8%A1%8CSTR%E6%96%B9%E6%B3%95%E6%89%B9%E9%87%8F%E6%9E%84%E5%BB%BA&rft.jtitle=%E6%AD%A6%E6%B1%89%E5%A4%A7%E5%AD%A6%E5%AD%A6%E6%8A%A5%EF%BC%9A%E4%BF%A1%E6%81%AF%E7%A7%91%E5%AD%A6%E7%89%88&rft.au=%E9%82%B5%E5%8D%8E%20%E6%B1%9F%E5%8D%97%20%E8%83%A1%E6%96%8C%20%E5%90%95%E6%81%92%20%E6%9C%B1%E8%BF%9B&rft.date=2014&rft.volume=39&rft.issue=9&rft.spage=1068&rft.epage=1073&rft.pages=1068-1073&rft.issn=1671-8860&rft_id=info:doi/&rft_dat=%3Cchongqing%3E662227355%3C/chongqing%3E%3Curl%3E%3C/url%3E&disable_directlink=true&sfx.directlink=off&sfx.report_link=0&rft_id=info:oai/&rft_id=info:pmid/&rft_cqvip_id=662227355&rfr_iscdi=true