BlazingSQL善用GPU优势，相同硬件花费但运算效率却比Apache Spark高20倍

分散式GPU SQL引擎BlazingSQL最新版本应用程序与Apache Spark测试比较，在执行相同工作负载且维持相同成本的条件下，BlazingSQL的执行效能是Apache Spark的20倍。

在去年10月才对外发布的BlazingSQL，是采用RAPIDS资料科学框架的GPU加速SQL引擎，RAPIDS为一个全GPU端到端资料科学工作管线的开源函式库集，BlazingSQL扩展了RAPIDS，并让使用者以Apache Arrow在GPU内存中执行SQL查询。

在一月的时候，BlazingSQL先进行了一次效能实验，他们在Google云端平台上建立了Apache Spark以及BlazingSQL两个丛集，为维持相同成本配置，Apache Spark丛集使用8个8 CPU的节点，在BlazingSQL丛集使用一个搭载Tesla V1000 GPU与10个CPU的节点，官方提到，这两种硬件配置每月的支出约都在1500美元左右。

官方在GitHub公开了测试程式码，他们让这两个丛集执行相同的端到端分析工作负载，对资料进行特征萃取工程，并以机器学习函式库XGBoost进行训练。对两种大小的资料集进行测试，BlazingSQL的执行速度比Apache Spark快了5倍。

而现在他们又再次对新版BlazingSQL做了一次基准测试，执行与上次相同的工作负载并在成本相当的条件下，BlazingSQL的执行速度是Apache Spark的20倍。在新测试中，除了BlazingSQL丛集用了Nvidia的T4 GPU，还改善了BlazingSQL中的SIMD Expression Interpreter。

官方表示，虽然T4是一颗入门级的GPU，价格较便宜但是却拥有良好的效能，比起前一个实验他们所使用的V100，价格便宜许多，因此将成本列入比较的限制时，这次Apache Spark丛集使用的节点也降低至4 CPU，以维持相同的成本支出。

不过，官方表示，这次试验大部分的效能增加，是来自于引擎的改进。BlazingSQL正在发展一个专为GPU DataFrames（GDF）打造的GPU执行核心SIMD表达式直译器（SIMD Expression Interpreter）。SIMD表达式直译器可以让系统同时接收多重输入，包括GDF字段、文字，并在未来将能支援函式。

当系统载入这些输入时，SIMD表达式直译器能够最佳化GPU上暂存器的配置，因此能进一步最佳化GPU执行绪的占用率以及效能，让虚拟机器能同时处理多重输入以及输出，官方举例，过去BlazingSQL处理SELECT colA + colB * 10, sin(colA) — cos(colD) FROM tableA，会将该查询转换成+、*、 sin、cos和—等5个单独的运算，最后产生两个输出，SIMD表达式直译器则使用colA、colB和colD三个输入，并在单个核心执行全部5种运算，而后产生两个输出。官方表示。以这样的方式系统只需要载入一次colA、colB和colD，而非原本的两次。

目前SIMD Expression Interpreter的进度只能支援过滤器和投影运算，但已经能加速大多数的热门SQL运算。由于BlazingSQL仍处在发展初期，目前仍在0.2版本，官方也坦承说，BlazingSQL目前只能以单节点和单GPU执行，因此他们在实验上限制了运算资料量。