پایگاه‌های داده بر روی سخت‌افزارهای نوین ۲۰۲۲
Databases on Modern Hardware 2022

سیستم‌های مدیریت داده، برنامه‌های کاربردی مهم و گوناگونی را امکان‌پذیر می‌کنند؛ از خدمات آنلاین پربازده (مانند شبکه‌های اجتماعی‌ای مثل توییتر و فیس‌بوک یا بازارهای مالی) گرفته تا تحلیل کلان‌داده (مانند اکتشافات علمی، شبکه‌های حسگر، هوش تجاری). در نتیجه، سیستم‌های مدیریت داده، برای دهه‌ها، یکی از محرک‌های اصلی نوآوری در جوامع پایگاه داده و معماری کامپیوتر بوده‌اند. روندهای اخیر سخت‌افزاری، نرم‌افزار را ملزم می‌کنند که از موازی‌سازی فراوانی که در سخت‌افزار مدرن و آینده وجود دارد، بهره ببرد. با این حال، طراحی سنتی سیستم‌های مدیریت داده، به دلیل اجزای به شدت به‌هم‌پیوسته، با مشکلات مقیاس‌پذیری ذاتی روبرو است. علاوه بر این، نمی‌تواند از تمام قابلیت‌های ویژگی‌های میکرو-معماری تهاجمی پردازنده‌های مدرن بهره‌برداری کند. در نتیجه، رایج‌ترین انواع سرورهای امروزی تا حد زیادی بلااستفاده باقی می‌مانند که منجر به هدررفت عظیمی از منابع سخت‌افزاری و انرژی می‌شود.

در این کتاب، ما چالش‌های موجود در هنگام اجرای DBMS روی سخت‌افزار چند هسته‌ای مدرن را روشن می‌کنیم. مطالب را به دو بعد مقیاس‌پذیری تقسیم می‌کنیم: ضمنی/عمودی و صریح/افقی.

بخش اول کتاب بر بعد عمودی تمرکز دارد: فرصت‌های موازی‌سازی در سطح دستورالعمل و داده را در یک هسته، که از طرف سخت‌افزار و نرم‌افزار ناشی می‌شوند، شرح می‌دهد. علاوه بر این، منابع عدم استفاده بهینه در یک پردازنده مدرن را بررسی می‌کند و بینش‌ها و تکنیک‌های سخت‌افزاری/نرم‌افزاری را برای بهره‌برداری بهتر از منابع میکرو-معماری یک پردازنده با بهبود محلیت حافظه کش در سطح مناسبی از سلسله مراتب حافظه ارائه می‌دهد.

بخش دوم بر بعد افقی، یعنی گلوگاه‌های مقیاس‌پذیری برنامه‌های کاربردی پایگاه داده در سطح معماری‌های چند هسته‌ای و چند سوکتی چند هسته‌ای تمرکز دارد. ابتدا یک روش سیستماتیک برای از بین بردن این گلوگاه‌ها در حجم‌های کاری پردازش تراکنش آنلاین ارائه می‌کند، که مبتنی بر به حداقل رساندن ارتباطات نامحدود است، و چندین تکنیک را نشان می‌دهد که گلوگاه‌ها را در اجزای اصلی سیستم‌های مدیریت پایگاه داده به حداقل می‌رساند. سپس، فرصت‌های اشتراک‌گذاری داده و کار را برای حجم‌های کاری تحلیلی نشان می‌دهد و مکانیزم‌های زمان‌بندی پیشرفته‌ای را بررسی می‌کند که از دسترسی‌های غیریکنواخت به حافظه آگاه هستند و از اشباع پهنای باند می‌کاهند.

Data management systems enable various influential applications from high-performance online services (e.g., social networks like Twitter and Facebook or financial markets) to big data analytics (e.g., scientific exploration, sensor networks, business intelligence). As a result, data management systems have been one of the main drivers for innovations in the database and computer architecture communities for several decades. Recent hardware trends require software to take advantage of the abundant parallelism existing in modern and future hardware. The traditional design of the data management systems, however, faces inherent scalability problems due to its tightly coupled components. In addition, it cannot exploit the full capability of the aggressive micro-architectural features of modern processors. As a result, today’s most commonly used server types remain largely underutilized leading to a huge waste of hardware resources and energy.

In this book, we shed light on the challenges present while running DBMS on modern multicore hardware. We divide the material into two dimensions of scalability: implicit/vertical and explicit/horizontal.

The first part of the book focuses on the vertical dimension: it describes the instruction- and data-level parallelism opportunities in a core coming from the hardware and software side. In addition, it examines the sources of under-utilization in a modern processor and presents insights and hardware/software techniques to better exploit the microarchitectural resources of a processor by improving cache locality at the right level of the memory hierarchy.

The second part focuses on the horizontal dimension, i.e., scalability bottlenecks of database applications at the level of multicore and multisocket multicore architectures. It first presents a systematic way of eliminating such bottlenecks in online transaction processing workloads, which is based on minimizing unbounded communication, and shows severaltechniques that minimize bottlenecks in major components of database management systems. Then, it demonstrates the data and work sharing opportunities for analytical workloads, and reviews advanced scheduling mechanisms that are aware of nonuniform memory accesses and alleviate bandwidth saturation.