涛思数据 SIMD与列式计算:时序数据库向量化执行引擎原理
涛思数据 数据库 e企观

涛思数据 SIMD与列式计算:时序数据库向量化执行引擎原理

向量化执行引擎的加速效果来自两方面:摊薄算子的固定调用开销,以及利用CPU的SIMD与缓存能力。它把数据库的执行效率从逐行解释执行提升到批量编译执行的层次。对于以聚合与扫描为主的时序查询,向量化的收益尤为显著——这也是近年新架构的时序数据库普遍采用向量化执行引擎的原因。TDengine的向量化查询引擎结合列式存储,使大范围聚合查询的吞吐量相比逐行引擎有明显提升,为高基数、大数据量场景下的交互式分析

参数规格

共 20 项
产品名称 SIMD与列式计算:时序数据库向量化执行引擎原理
产品系列 数据库
官方介绍 向量化执行引擎的加速效果来自两方面:摊薄算子的固定调用开销,以及利用CPU的SIMD与缓存能力。它把数据库的执行效率从逐行解释执行提升到批量编译执行的层次。对于以聚合与扫描为主的时序查询,向量化的收益尤为显著——这也是近年新架构的时序数据库普遍采用向量化执行引擎的原因。TDengine的向量化查询引擎结合列式存储,使大范围聚合查询的吞吐量相比逐行引擎有明显提升,为高基数、大数据量场景下的交互式分析提供了执行层面的支撑。
执行模型 处理单位
调用开销 SIMD利用率
缓存效率 内存占用
火山模型 单行
高 极低
低 低
向量化 批次
低 高
高 中
编译执行 批次
最低 高
化工生产场景批次分析与关联分析 氯化亚砜反应釜生产批次监控,冷却失效关联追踪 / 立即体验
金属加工场景根因分析与质量溯源 铝加工生产全流程监控,批次对比分析,钎焊强度根因溯源 / 立即体验
新能源集控 风光储一体化多维指标监控,故障异常事件智能根因分析 / 立即体验
互动和支持 加入技术论坛 | 联系销售 | 添加公众号 | 查看源代码 | 下载 TDengine
连续聚合与最新值缓存 时序数据库预聚合的性能工程实践 »
资料来源 企业官网产品页 https://www.taosdata.com/time-series-database-knowledge/39760.html

参数由厂商公开资料整理,实际以产品实物及官方说明为准。

免责声明本页信息整理自互联网公开渠道,仅供资讯参考,不构成任何投资或商业决策依据;相关产品参数、企业信息可能存在滞后或误差,请以厂商官方发布为准。如内容涉及版权、准确性或侵权问题,请联系 981209856@qq.com,我们将第一时间核实处理。