我一直在阅读有关 Nvidia Cuda 的文章，我看到一些关于 SO 的问题，人们已经回答了他们包含"您的问题不适合在 GPU 上运行"的评论。
在我的办公室，我们有一个数据库，里面有大量的记录可供我们查询，而且可能需要很长时间。我们已经实现了 SELECT DISTINCT 的 SQL 查询，或者它们对值应用大写函数。作为对 Cuda 的介绍，我想过编写一个程序，该程序可以在 GPU 上获取所有字符串并将它们大写。
我一直在读一本关于 Cuda 的书，作者谈到试图让 GPU 内核尽可能多地执行，以隐藏通过 PCI 总线读取数据的延迟或将内容放入全局内存。由于内存大小非常小，并且由于我有数百万个不同的单词，因此我自然会使总线饱和并耗尽GPU内核。
这是一个不会从显卡而不是 CPU 获得出色性能提升的问题吗？
谢谢
美杰
我们已经实现了 SELECT DISTINCT 的 SQL 查询，或者它们对值应用大写函数。
您是否考虑过在表中添加一列，其中包含预先计算的大写字符串版本？
我倾向于认为，如果您的数据库完全在 RAM 中并且查询仍然需要"永远"，那么您的数据库可能没有正确的结构和索引。检查查询计划。
我认为，在正常情况下，您的选择被索引整齐地覆盖，您将无法使用 GPU 进行优化。但也许有些东西可以针对 GPU 进行优化，例如需要表扫描的查询，例如带有通配符的 LIKE 查询和根据计算（小于值等）选择行的查询。当联接列具有许多重复值时，甚至可能具有许多联接的查询之类的东西。
这种实现的关键是在 GPU 上保留数据库中某些数据的镜像，并将其与数据库保持同步。然后对该数据运行并行约简等操作，以提供行 ID，然后用于对常规数据库进行选择。
不过，在采取这一步骤之前，我将探索使用时空权衡的日期库查询优化的无数可能性。
全局内存访问中，您将遇到相当大的瓶颈，因为您的操作/传输比率为 O（1）。
可能更值得在GPU上进行比较，因为它的操作/传输比率要大得多。
当您将字符串加载到共享内存中以执行此操作时，您还可以将其大写，有效地包括您之前想要执行的操作，以及更多。
我不禁觉得基于 CPU 的实现可能会给你带来更好的性能。至少，它会让你少一些头痛......