Data Management on New Hardware: 7th International Workshop on Accelerating Data Analysis and Data Management Systems Using Modern Processor and Storage Architectures, ADMS 2016 and 4th International Workshop on In-Memory Data Management and Analytics, IMDM 2016, New Delhi, India, September 1, 2016, Revised Selected Papers

این کتاب حاوی مقالات منتخب از هفتمین کارگاه بین‌المللی تسریع تجزیه و تحلیل و سیستم‌های مدیریت داده با استفاده از معماری‌های مدرن پردازشگر و ذخیره‌سازی، ADMS 2016 و چهارمین کارگاه بین‌المللی مدیریت و تجزیه و تحلیل داده‌های درون حافظه، IMDM 2016، در نیو است. دهلی، هند، در سپتامبر 2016. کارگاه های مشترک با VLDB 2016 برگزار شد. 9 مقاله ارائه شده به دقت بررسی و از 18 مقاله ارسالی انتخاب شدند. آنها فرصت‌ها را در تسریع سیستم‌های تجزیه و تحلیل/مدیریت داده و حجم کاری (شامل OLTP سنتی، انبار داده/OLAP، جریان/زمان واقعی ETL، تجزیه و تحلیل تجاری، و پردازش XML/RDF) در حال اجرا در محیط‌های فقط حافظه، با استفاده از پردازنده‌ها (مانند کالا و چند هسته‌ای تخصصی، پردازنده‌های گرافیکی و FPGA، سیستم‌های ذخیره‌سازی (مانند حافظه‌های کلاس ذخیره‌سازی مانند حافظه‌های SSD و حافظه تغییر فاز)، و مدل‌های برنامه‌نویسی ترکیبی مانند CUDA، OpenCL، و Open ACC. این مقالات همچنین تعامل بین طراحی کلی سیستم را بررسی می‌کنند. الگوریتم های اصلی، استراتژی های بهینه سازی پرس و جو، رویکردهای برنامه نویسی، مدل سازی و ارزیابی عملکرد، از منظر برنامه های کاربردی مدیریت داده.

This book contains selected papers from the 7th International Workshop on Accelerating Analytics and Data Management Systems Using Modern Processor and Storage Architectures, ADMS 2016, and the 4th International Workshop on In-Memory Data Management and Analytics, IMDM 2016, held in New Dehli, India, in September 2016. The joint Workshops were co-located with VLDB 2016. The 9 papers presented were carefully reviewed and selected from 18 submissions. They investigate opportunities in accelerating analytics/data management systems and workloads (including traditional OLTP, data warehousing/OLAP, ETL streaming/real-time, business analytics, and XML/RDF processing) running memory-only environments, using processors (e.g. commodity and specialized multi-core, GPUs and FPGAs, storage systems (e.g. storage-class memories like SSDs and phase-change memory), and hybrid programming models like CUDA, OpenCL, and Open ACC. The papers also explore the interplay between overall system design, core algorithms, query optimization strategies, programming approaches, performance modeling and evaluation, from the perspective of data management applications.