CUDA编程
前言CUDA快速入手系列视频 谭升博客 我的代码 内容大概是对视频、博客的一个个人学习总结以及部分高质量内容的摘抄汇总,以及补充自己的一些个人理解。 入门下cuda编程,GPU感觉是一个必须要会的东西 CPU适合执行复杂的逻辑,比如多分支,其核心比较重(复杂) GPU适合执行简单的逻辑,大量的数据计算,其吞吐量更高,但是核心比较轻(结构简单) GPU主要负责并行计算...
[论文阅读]GPU-accelerated Database Systems Survey and Open Challenges
GPU与CPU显卡通过 PCIExpress 总线连接到主机系统 总线带宽低(比主机内存慢2-3倍),所以数据传输是瓶颈。GPU有多个多处理器,每个多处理器里有成百上千个简单核心,适合并行计算,但不适合复杂控制逻辑(比如分支太多会慢)。 编程模式:编程GPU用“内核模型”:主机代码管理GPU,内核是并行单元,一堆线程(thread)同时跑同一个代码。常用框架是CUDA(NVIDIA专用,有高级功能如统一虚拟地址UVA,让CPU/GPU透明共享内存)和OpenCL(跨厂商,但功能少点)。内核以 SIMD 方式在多个标量处理器上同时调度。 性能瓶颈:GPU 编程中最重要的性能因素之一是避免主机和设备之间的数据传输:所有数据都必须通过 PCIexpress 总线传递,这是架构的瓶颈。(访问主内存的速度大约是通过 PCIexpress 总线发送数据的两到三倍) GPU是专用处理器,大约来说只能应对于特定任务,GPU 上的连接速度要快 2-7 倍,而由于需要数据传输,选择速度要慢 2-4 倍(He and others observed that joins are 2–7...
完赛!双国一!
好好好,拿下计算机系统能力大赛数据库管理系统设计赛和智能系统创新赛双国一,主要还是因为这两时间重合在一起了,最后都能拿下国一还是蛮幸运的,只能说感谢队友,数据库回来后4天速通小米杯,全对!
rmdb代码解读
引言初赛因为太早完成了,后面有很长一段时间没有再看过代码,并且既然决赛有了线下赛的新要求,那就还是简单的就代码做一个回顾吧。 总体而言,架构与miniob也还是比较相像,架构图如下: 遵循的还是 语法解析->构造算子树->执行器运行算子...
mvcc的初步学习
前言 这几天正在打rmdb这个比赛,初赛还在进行中,虽然在开赛第一周的时候就已经基本上完成了所有题目了,但是还是有些比较困难的知识点没搞懂,而且像mvcc这种题目,非常玄乎,队友把他搞出来了,但自己却是一知半解,刚好15445-2024fall有这个的专门讲解,那就稍微看看做下笔记,以及后续再跟着代码再看一遍…… 成绩镇帖(2025-5-26 16:12): 初步概念学习先感慨一句,这玩意做成分布式的不炸了吗…… 线性流程大概如下: 事务t1和t2分别begin 并且同时修改一个元组A t1先修改为A1 修改的时候分配一个开始时间戳给A1 他们的结束时间戳全部设为无穷(表示未结束 或下一版本未结束修改本事务) 当t1在t2之前commit,当t2结束事务后,就会把比他先结束的A1的结束时间戳设置为他的开始时间戳,这样的话时间戳顺序就是A1 (0 - 2) A2 (2 - 无穷) 有一个新事务t3来的话 他的开始时间戳就是3 A1对他就是不可见的 他必须找到一个包含他事务号的区间的事务 才对他是可见的 也就是2 - 无穷,这个时候还不能确定可见的事务是否已提交...
一些杂七杂八的想法
之所以会有历史厚重感以及最后文明继承者的苍凉感,正是由于一种即将消亡的迷茫导致的。 不知道怎么办。 不知道会怎么样。 但有的文明是幸运的,能继续延续。 但也有文明是不幸的,在人们发现它之前就已经沉寂了。 谁又能说伟大的文明,不会以悲剧收尾呢。(Marie’s...
在雨天坐公交车到世界尽头
...
山海不过壶酒间
前言我的天哪,4月就写了一篇博客,然后一堆作品集和项目记录还没准备!我在干什么! 算了,事已至此,先把一些之前想保存的word都陆陆续续搬上来,撑一下…… 这个是最长的一篇,慢慢更新但是疑似太监了的一篇长篇…… 所有杂谈就用默认封面了……究极懒鬼 正文 连片雪花如飘飞的柳絮,在这灯火通明的小镇上空飘得十分温馨。 ...
自动驾驶点云预测模型ViDAR融合知识图谱的初步尝试
前言这个是针对于知识工程的学习与进一步实践,个人感觉难度挺高的,前后花费了大概有三周的时间,第一周主要是解决依赖的各种报错问题,第二周主要用在数据集的裁切和平台迁移上(这个主要受制于gpu的内存不够),第三周主要用在调优思路的探索和实践上,花了这么长时间感觉还是跟学校的课程安排有关,以及现在已经快接近五月了,保研人应该都懂……各种夏令营的事情和课程大作业搞得有点晕头撞向的,因此只能尽自己最大努力利用时间来完成这个课程实践,最后嘛还是有许多遗憾,但只能止步于此了…… 过程使用model art平台模型链接: https://github.com/OpenDriveLab/ViDAR 前置: 配置model art镜像 通过以上步骤进行镜像配置,就不过多赘述了,当时的解释md文件被我删除了…… 遇到的问题以及解决方法 依赖报错问题:主要集中在numpy的版本上,因为model art本身要求的numpy版本较高,但是ViDAR又需要较低版本导致冲突,后面配置了一个脚本用于解决大部分问题: vim install_deps.sh 然后: #!/bin/bash#...


![[论文阅读]GPU-accelerated Database Systems Survey and Open Challenges](http://aplainjane.github.io/article/fbfcc01e/wallhaven-9d3181_1920x1080.png)





