 |
Abonnieren |  |
Share |
PRODUKTINFOS
WEITERE INFOS
- Software-Entwicklungstools
Programmierung CUDA-fähiger Grafikprozessoren
- NVIDIA CUDA
WICHTIGE LINKS
Data-Mining, Analysen und Datenbanken
Datenbanken sind der eigentliche Motor eines heutigen Unternehmens. Das Durchsuchen von Datenbanken nach verwertbaren Informationen ist zu einer großen Herausforderung für den Computer geworden. Die Forscher an den Hochschulen sowie bei Microsoft, Oracle, SAP und vielen anderen Unternehmen sehen in den CUDA-fähigen Grafikprozessoren eine Chance, eine skalierbare Lösung zu finden.
Wichtige ISVs und Anwendungen mit CUDA für die Datenanalyse
| ISV/Anwendung | Unterstützte Funktionen | Typische Beschleunigung* | Veröffentlichung |
| AccelerEyes Jacket for MATLAB | MATLAB Operationen | 2-20x | Veröffentlicht |
| MathWorks MATLAB | MATLAB Operationen | 2-20x | Veröffentlicht |
| Wolfram Mathematica | CUDA Link-Paket | 3x-5x | Veröffentlicht |
| Jedox Palo | Excel-Erweiterung mit OLAP für Planung und Analyse | 20-40x | Veröffentlicht |
| ParStream | Beschleunigung von Datenbanken und Datenanalyse mit Grafikprozessoren | 10x | Veröffentlicht |
| GPU-Quicksort | Optimierter Quicksort Algorithmus | 10x | Veröffentlicht |
| GPU-LIBSVM | Unterschiedliche Implementierungen von libSVM / Support Vector | 10x-100x | Veröffentlicht |
* Zu erwartende Beschleunigung im Vergleich zu einem Quad-Core x64 CPU-basierten System. Beschleunigung gemäß internen Tests bei NVIDIA oder gemäß Herstellerdokumentation zur Anwendung.
Weitere CUDA-fähige Datenanalyse-Software
- GPUMiner: Paralleles Data Mining auf NVIDIA-Grafikprozessoren, Fang et al., Hong Kong University of Science and Technology und Microsoft
- Cmatch: Fast Exact String Matching on the GPU, (‘Cmatch: Schnelles Exact-String-Matching auf dem Grafikprozessor’), Schatz/Trapnell, University of Maryland
- R+Grafikprozessor Paket für R, eine beliebte Open Source Lösung für statistische Analysen
- Datenbanken
- Artikel aus IEEE Spectrum: Why Graphics Processors will Transform Database Processing (‘Warum Grafikprozessoren die Datenbankverarbeitung verändern’), Di Blas / Kladeway, Oracle Corporation
- GPUQP: Query Co-processing using Graphics Processors (‘GPUQP: Co-Processing bei Abfragen über Grafikprozessoren’)
- Parallel Search on Video Cards (‘Parallele Suche auf Videokarten’), Kaldeway / Hagen / Di Blas / Sedlar, Oracle Corp
- Datentypen für riesige Texte in Microsoft SQL
- Scaling PostgreSQL using CUDA (‘Die Skalierung von PostgreSQL mit CUDA’)
- Hardware Acceleration in Commercial Databases: A Case Study of Spatial Operations (‘Hardwarebeschleunigung in kommerziellen Datenbanken. Eine Fallstudie räumlicher Operationen’), Bandi et al.
- Analysen und Data-Mining
- Umfangreiche Grafikprozessor-beschleunigte Analysen, Wu/Zhang/Hsu, HP Laboratories
- Ein k-Means-Algorithmus auf Standard-Grafikprozessoren mit CUDA
- Die Nutzung der Grafikprozessortechnologie zur Beschleunigung von Data-Mining in SAP NetWeaver BIA, Weyerhaeuser (SAP) / Mindnich (SAP) / Färber (SAP) / Lehner (TU Dresden)
- Hin zu einer Algorithmusänderung zugunsten von temporärem Data-Mining auf Grafikprozessoren, Sean Ponce, Virginia Tech
- Effizientes k-Means-Clustering mithilfe beschleunigter Grafikprozessoren
- Grafikprozessor-beschleunigtes Data-Mining von Texten
- Histogrammberechnung mit CUDA
- Ein Compiler und Laufzeitsystem zur Ermöglichung von Data-Mining-Anwendungen auf Grafikprozessoren
- Sortierung mithilfe von Grafikprozessoren
- Entwurf effizienter Sortieralgorithmen für Grafikprozessoren mit vielen Recheneinheiten
- GPU QuickSort Library
- Schnelles paralleles Sortieren mit Grafikprozessoren mithilfe eines Hybridalgorithmus
- Ein schneller, flexibler Sortieralgorithmus mit CUDA
- Sortieren mithilfe des Bitonic-Sortiernetzwerks mit CUDA
- Sample Sort mit Grafikprozessoren
- GPUTeraSort: Hochleistungssortierung mit Grafik-Coprozessoren für die Verwaltung riesiger Datenbanken
- Map-Reduce/ Hadoop
MATLAB ist eine eingetragene Marke von The MathWorks, Inc.
Jacket ist eine Marke von AccelerEyes