Datenbank-Spektrum

, Volume 11, Issue 2, pp 111–122 | Cite as

HyPer: Die effiziente Reinkarnation des Schattenspeichers in einem Hauptspeicher-DBMS

  • Florian Funke
  • Alfons Kemper
  • Henrik Mühe
  • Thomas Neumann
Schwerpunktbeitrag
  • 215 Downloads

Zusammenfassung

HyPer ist ein modernes Hauptspeicher-Datenbanksystem, das die Hardware-unterstützte virtuelle Speicherverwaltung des Betriebssystems für die Datenverwaltung und die Synchronisation zwischen OLTP-Transaktionen und OLAP-Anfragen effektiv ausnutzt. In Bezug auf die „in-core“ Datenverwaltung werden die relationalen Daten direkt, also ohne zusätzliche Indirektion durch eine DBMS-kontrollierte Puffer- und Seitenverwaltung, auf den virtuellen Adressraum des OLTP-Prozesses abgebildet. Dieser Prozess kann transaktionskonsistente Snapshots der Datenbank anlegen, indem ein neuer OLAP-Prozess abgespaltet wird (in Linux mit dem Systembefehl fork). Der copy on write-Mechanismus des Betriebssystems/Prozessors sorgt für die Konsistenzerhaltung dieses Snapshots, indem Seiten mit sich ändernden Datenobjekten repliziert werden. Dieser Snapshot-Mechanismus entspricht dem alt-bekannten Schattenspeicherkonzept, das Lorie (ACM Trans. Database Syst. 2(1), 1977) schon 1977 erfunden hat. HyPer’s Leistungsfähigkeit wird anhand des neuen „Mixed Workload CH-BenCHmark“ nachgewiesen, der die Transaktionsverarbeitung des TPC-C- und die Anfragen des TPC-H-Benchmarks in einer gemischten, parallel auf demselben Datenbestand auszuführenden Workload vereint. Die Leistungsfähigkeit eines derartigen hybriden Datenbanksystems kann für die effektive Unterstützung sogenannter „real-time business intelligence“ ausgenutzt werden, wie dies von namhaften Industrievertretern wie H. Plattner (SIGMOD, 2009) von SAP gefordert wurde.

Literatur

  1. 1.
    Aulbach S, Jacobs D, Kemper A, Seibold M (2009) A comparison of flexible schemas for software as a service. In: SIGMOD Google Scholar
  2. 2.
    Binnig C, Hildenbrand S, Färber F (2009) Dictionary-based order-preserving string compression for main memory column stores. In: SIGMOD Google Scholar
  3. 3.
    Boncz PA, Manegold S, Kersten ML (2009) Database architecture evolution: Mammals flourished long before dinosaurs became extinct. Proc PVLDB, 2(2) Google Scholar
  4. 4.
    Cao T, Salles MV, Sowell B, Yue Y, Gehrke J, Demers A, White W (2011) Fast checkpoint recovery algorithms for frequently consistent applications. In: SIGMOD Google Scholar
  5. 5.
    Curino C, Zhang Y, Jones EPC, Madden S (2010) Schism: a workload-driven approach to database replication and partitioning. In: VLDB Google Scholar
  6. 6.
    Funke F, Kemper A, Neumann T (2011) Benchmarking hybrid OLTP&OLAP database systems. In: BTW Google Scholar
  7. 7.
    Harizopoulos S, Abadi DJ, Madden S, Stonebraker M (2008) OLTP through the looking glass, and what we found there. In: SIGMOD Google Scholar
  8. 8.
    Héman S, Zukowski M, Nes NJ, Sidirourgos L, Boncz PA (2010) Positional update handling in column stores. In: SIGMOD conference, S 543–554 CrossRefGoogle Scholar
  9. 9.
    Kemper A, Neumann T (2011) HyPer: A hybrid OLTP&OLAP main memory database system based on virtual memory snapshots. In: ICDE Google Scholar
  10. 10.
    Krüger J, Grund M, Tinnefeld C, Plattner H, Zeier A, Faerber F (2010) Optimizing write performance for read optimized databases. In: DASFAA Google Scholar
  11. 11.
    Liedes A, Wolski A (2006) Siren: a memory-conserving, snapshot-consistent checkpoint algorithm for in-memory databases. In: ICDE Google Scholar
  12. 12.
    Lorie RA (1977) Physical integrity in a large segmented database. ACM Trans Database Syst, 2(1) Google Scholar
  13. 13.
    Muehe H, Kemper A, Neumann T (2011) How to efficiently snapshot transactional data: hardware or software controlled. In: DaMoN Google Scholar
  14. 14.
    Neumann T (2011) Efficiently compiling efficient query plans for modern hardware. In: VLDB Google Scholar
  15. 15.
    Plattner H (2009) A common database approach for OLTP and OLAP using an in-memory column database. In: SIGMOD Google Scholar
  16. 16.
    Raman V, Swart G, Qiao L, Reiss F, Dialani V, Kossmann D, Narang I, Sidle R (2008) Constant-time query processing. In: ICDE Google Scholar
  17. 17.
    Salem K, Garcia-Molina H (1989) Checkpointing memory-resident databases. In: ICDE, S 452–462 Google Scholar
  18. 18.
    Salles MAV, Cao T, Sowell B, Demers AJ, Gehrke J, Koch C, White WM (2009) An evaluation of checkpoint recovery for massively multiplayer online games. Proc PVLDB 2(1):1258–1269 Google Scholar
  19. 19.
    Stonebraker M, Rowe LA, Hirohama M (1990) The implementation of Postgres. IEEE Trans Knowl Data Eng 2(1):125–142 CrossRefGoogle Scholar
  20. 20.
    VoltDB. Overview. http://www.voltdb.com/_pdf/VoltDBOverview.pdf, March 2010

Copyright information

© Springer-Verlag 2011

Authors and Affiliations

  • Florian Funke
    • 1
  • Alfons Kemper
    • 1
  • Henrik Mühe
    • 1
  • Thomas Neumann
    • 1
  1. 1.Fakultät für InformatikTU MünchenMünchenDeutschland

Personalised recommendations