범위 질의 처리의 효율적인 병렬처리를 위한 GPU에 적합한 R-tree

Title
범위 질의 처리의 효율적인 병렬처리를 위한 GPU에 적합한 R-tree
Authors
김민철
Keywords
범위질의처리의효율적인병렬처리를위한gpu에적합한rtree
Issue Date
2012
Publisher
인하대학교
Abstract
오늘날 스마트폰과 타블릿 PC의 사용이 급격히 증가하고 있다. 이에 따라서 모바일 환경에서의 위치 기반 서비스의 중요성이 늘어나고 있다. 현재 위치 기반 서비스는 교통 정보, 네비게이션 서비스, 사람 추적, 응급 서비스, 쇼핑 서비스, 위치 기반 광고, 친구 찾기, 위치 기반 게임등과 같은 광범위한 범위에서 활용되고 있다[1,22]. 이러한 위치 기반 서비스를 실현하기 위해서 대용량의 시공간 데이터를 효율적으로 색인할 수 있는 기법들이 필수적이다. Guttman이 처음 R-tree를 제안한 이후에 R-tree의 질의 성능 향상을 위한 연구가 많이 이루어졌다. 기존의 연구들은 R-tree의 공간 활용도를 증가시키고 MBR의 중복 영역을 줄이는데 중점을 두었다. 이러한 연구는 크게 R-tree의 분할 및 병합 알고리즘을 향상시키는 방법, 벌크 로딩을 이용해서 공간 활용도를 증가시키는 기법 그리고 R-tree의 노드를 메모리 또는 저장 데이터의 특성에 맞추어 노드 구조를 변경시키는 기술 등이 있다. 비록 이러한 기법들이 R-tree의 질의 처리 성능을 향상시켰지만 CPU의 순차적 처리 특성 때문에 CPU기반의 R-tree의 성능 향상에는 한계가 있다. 본 논문에서는 CPU의 순차처리 한계를 극복하기 위해서 GPU에 적합한 R-tree인 G-tree를 제안한다. G-tree는 GPU 메모리 특성에 맞도록 노드의 구조를 변경하였다. 또한 CPU 기반의 R-tree의 검색 순서인 깊이 우선 검색 방식을 GPU에 적합하도록 너비 우선 검색 방식으로 변경하여 최대의 병렬화 효과를 이끌어 냈다. 실험에서는 G-tree가 다양한 환경에서 CPU기반의 R-tree보다 좋은 성능을 보여주었다. 성능평가에서는 G-tree가 CPU 기반의 R-tree에 비해 질의 영역의 넓이에 따라서 최대 2000배 가량의 성능향상을 보여주었다.
Description
1. 서론 1 2. 관련연구 5 2.1. R*-tree 5 2.2. X-tree 8 2.3. Hilbert R-tree 10 2.4. CSS-tree 12 2.5. SR-tree 13 3. 제안기법 15 3.1. G-tree 노드구조 15 3.1.1. CUDA 메모리 특성 15 3.1.2. 노드구조 19 3.2. G-tree 검색기법 24 4. 실험결과 29 4.1. 실험환경 29 4.2. 균등 분포 데이터 30 4.3. 캘리포니아 도로 데이터 33 4.4. 타이거 인구 조사 블록 데이터 35 4.5. 전체 실험 평가 37 5. 결론 39 6. 참고문헌 40
URI
http://dspace.inha.ac.kr/handle/10505/23382
Appears in Collections:
Graduate School (일반대학원) > Theses(로봇공학 석박사 학위논문)
Files in This Item:
24464.pdfDownload

Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.

Browse