|
Аннотация.
В статье выполнен анализ возможности применимости специализированных процессоров архитектуры RISC-V для ускорения обработки данных в СУБД. Выполнен обзор возможностей RISC-V, рассмотрены практические примеры использования RISC-V. Определены достоинства и недостатки RISC-V. Отмечен ряд проблем, которые существенно затормозили применение RISC-V в промышленных СУБД и системах хранения данных. Сделан вывод о применимости аппаратных ускорителей RISC-V для СУБД. В дальнейших исследованиях планируется выполнить анализ применимости технологий, ускоряющих обработку данных с помощью энергонезависимой памяти, сверхбыстрой сети и технологий использования ее за границами сервера.
Ключевые слова:
системы управления базами данных, СУБД, RISC-V, ускорение обработки данных.
DOI: 10.14357/20790279260304
EDN: AHKKVG
Стр. 22-28.
Литература
1. Goossens B. The RISC-V Architecture. Guide to Computer Processor Architecture. Undergraduate Topics in Computer Science. 2023. P.105-122. https://doi.org/10.1007/978-3-031-18023-1_4. 2. Фролов В.А., Галактионов В.А., Санжаров В.В. RISC-V: стандарт, изменивший мир микропроцессоров // Открытые системы. СУБД. 2020. № 02 : osp. URL: https://www.osp.ru/os/2020/02/13055471?ysclid=m0drd3sm71834038937. DOI: 10.26295/OS.2020.53.12.002. Дата публикации: 29.04.2020. 3. Helbig T. Open Source RISC-V Systems as an Opportunity for Europe // ATZ Electron Worldw. 2023. Vol.18. P.64. https://doi.org/10.1007/s38314-023-1549-2. 4. Liu G., Huang J., Liu X. An OS Kernel Based on RISC-V Architecture // Gan J., Pan Y., Zhou J., Liu D., Song X., Lu Z. (eds) Computer Science and Educational Informatization. CSEI 2023. Communications in Computer and Information Science. 2024. Vol.1899. P.3-16. https://doi.org/10.1007/978-981-99-9499-1_1. 5. Ottaviano A., Balas R., Bambini G. ControlPULP: A RISC-V On-Chip Parallel Power Controller for Many-Core HPC Processors with FPGA-Based Hardware-In-The-Loop Power and Thermal Emulation // Int J Parallel Prog. 2024. Vol.52. P.93–123. https://doi.org/10.1007/s10766-024-00761-4. 6. Jin S., Qi S., Dai Y., Hu Y. Design of Convolutional Neural Network Accelerator Based on RISC-V // Abawajy J.H., Xu Z., Atiquzzaman M., Zhang X. (eds) Tenth International Conference on Applications and Techniques in Cyber Intelligence (ICATCI 2022). ICATCI 2022. Lecture Notes on Data Engineering and Communications Technologies. 2023. Vol.170. P.446-454. https://doi.org/10.1007/978-3-031-29097-8_53. 7. Angeloni D., Canese L., Cardarilli G.C., Di Nunzio L., Re M., Spanò S. A RISC-V Hardware Accelerator for Q-Learning Algorithm // Applications in Electronics Pervading Industry, Environment and Society. ApplePies 2023. Lecture Notes in Electrical Engineering. 2024. Vol. 1110. P. 74-79. https://doi.org/10.1007/978-3-031-48121-5_11. 8. Du P., Cai Z. A Time Series Data Compression Co-processor Based on RISC-V Custom Instructions // Tari Z., Li K., Wu H. (eds) Algorithms and Architectures for Parallel Processing. ICA3PP2023. Lecture Notes in Computer Science, 2024. Vol. 14487. P. 439-454. https://doi.org/10.1007/978-981-97-0834-5_25. 9. Фролов В.А., Галактионов В.А., Санжаров В.В. Исследование технологии RISC-V // Труды ИСП РАН. 2020. Т.32. № 2, С. 81-98. DOI: 10.15514/ISPRAS–2020–32(2)–7. 10. Cheng YH., Huang LB., Cui YJ. RV16: An Ultra-Low-Cost Embedded RISC-V Processor Core // J. 11. Suárez D., Almeida F., Blanco V. (2024) Comprehensive analysis of energy efficiency and performance of ARM and RISC-V // SoCs. J Supercomput. 2024. Vol.80. P.12771–12789. https://doi.org/10.1007/s11227-024-05946-9. 12. Zhao X., Zhang X., Zhang Y. Optimization of the FFT Algorithm on RISC-V CPUs // Bienz A., Weiland M., Baboulin M., Kruse C. (eds) High Performance Computing. ISC High Performance 2023. Lecture Notes in Computer Science. 2023. Vol.13999. P.515-525. https://doi.org/10.1007/978-3-031-40843-4_38. 13. Ramírez C., Castelló A., Quintana-Orti E.S. A BLIS-like matrix multiplication for machine learning in the RISC-VISA-based GAP8 processor // J Supercomput. 2022. Vol.78. P.18051–18060. https://doi.org/10.1007/s11227-022-04581-6. 14. Volokitin V.D., Vasiliev E.P., Kozinov E.A. et al. Improved Vectorization of OpenCV Algorithms for RISC-V CPUs // Lobachevskii J Math. 2024. Vol.45. P.130–142. https://doi.org/10.1134/S1995080224010530. 15. Liu Y., Ye K., Xu CZ. Performance Evaluation of Various RISC Processor Systems: A Case Study on ARM, MIPS and RISC-V // Ye K., Zhang LJ. (eds) Cloud Computing – CLOUD 2021. CLOUD 2021. Lecture Notes in Computer Science. 2022. Vol.12989. P.61-74. https://doi.org/10.1007/978-3-030-96326-2_5. 16. Lee J.K.L., Jamieson M., Brown N., Jesus R. Test-Driving RISC-V Vector Hardware for HPC // Bienz A., Weiland M., Baboulin M., Kruse C. (eds) High Performance Computing. ISC High Performance 2023. Lecture Notes in Computer Science. 2023. Vol.13999. P.419-432. https://doi.org/10.1007/978-3-031-40843-4_31. 17. Berger-Vergiat L. Evaluation of HPC Workloads Running on Open-Source RISC-V Hardware // Bienz A., Weiland M., Baboulin M., Kruse C. (eds) High Performance Computing. ISC High Performance 2023. Lecture Notes in Computer Science. 2023. Vol.13999. P.538-551. https://doi.org/10.1007/978-3-031-40843-4_40. 18. Mallidu J., Siddamal S.V. A Survey on In-Order 5-Stage Pipeline RISC-V Processor Implementation // Kaiser M.S., Xie J., Rathore V.S. (eds) Information and Communication Technology for Competitive Strategies (ICTCS 2021). Lecture Notes in Networks and Systems. 2023. Vol.401. P.777-784. https://doi.org/10.1007/978-981-19-0098-3_73. 19. Gómez-Sánchez G. Challenges and Opportunities for RISC-V Architectures Towards Genomics-Based Workloads // Bienz A., Weiland M., Baboulin M., Kruse C. (eds) High Performance Computing. ISC High Performance 2023. Lecture Notes in Computer Science. 2023. Vol.13999. P.458-471. https://doi.org/10.1007/978-3-031-40843-4_34.
|
