
2025/12/31 14:54
シリウス DB
RSS: https://news.ycombinator.com/rss
要約▶
Japanese Translation:
Sirius は GPU ネイティブの SQL エンジンで、DuckDB や Doris など既存のデータベースに標準 Substrait クエリ形式を通じて接続でき、クエリ書き換えや主要なシステム変更は不要です。GPU に実行をオフロードすることで、同一ハードウェアレンタルコストで 10 倍以上の速度向上を実現し、従来の CPU エンジンに比べて最大 100 倍の全体的な改善を達成します。等しいハードウェアでのヘッドツーヘッドテストでは、Sirius は DuckDB より 10 倍速く、ClickHouse より 60 倍速いことが示され、さらに完全互換性を提供する CPU フォールバックモード を備えています。
本製品のアーキテクチャは GPU 中心であり、将来的に追加機能(*付き)を計画しています。クラウドでもオンプレミスでもどこでも展開可能で、GPU が利用できる場所ならば高速化されたパフォーマンスを提供します。チームは 2020–2025 年に発表した研究論文で強固な実績を持ち、GPU アナリティクス、結合順序の神話、分散ジョインの述語転送、整数圧縮、およびハイブリッド CPU‑GPU オーケストレーションなどのテーマを扱っています。注目すべき研究には Rethinking Analytical Processing in the GPU Era(arXiv 2025)と Debunking the Myth of Join Ordering: Toward Robust SQL Analytics(SIGMOD 2025)が含まれます。
ソースコードは GitHub で入手可能で、コミュニティは Slack、メール、およびその他のアウトリーチチャネルを通じて交流しています。ユーザーにとって Sirius は既存スタックを変更せずに高速なクエリと低い計算コストを意味し、企業にとってはクラウドまたはオンプレミス環境全体でより効率的な SQL アナリティクスへの道筋を提供します。
本文
GPU速度で実現するSQL分析
SiriusはGPUネイティブのSQLエンジンです。標準的なSubstraitクエリフォーマットを介して既存データベース(例:DuckDB)に接続でき、クエリを書き換える必要も、大規模なシステム変更も不要です。GPUへ実行負荷をオフロードすることで、Siriusは10倍以上の高速化を達成しつつ、ハードウェアレンタルコストを維持します。
お問い合わせ
- メールでご連絡ください – ご質問・貢献・協業など、お気軽にどうぞ。
- Slackへ参加 – コミュニティと繋がり、質問や最新情報を得られます。
- GitHub – ソースコードはGitHubで公開しています。
主な特徴
| 特徴 | 説明 |
|---|---|
| GPU‑ネイティブ速度 | Siriusは同一ハードウェアレンタルコストでDuckDBより10倍、ClickHouseより60倍高速。CPUベースのSQLエンジンに比べて最大100倍のスピードアップを目指しています。 |
| シームレス統合 | Substrait経由でDuckDBやDorisなどへプラグイン可能。スタックを変更せずにSQLワークフローを高速化します。完全互換性のためCPUフォールバックもサポート。 |
| どこでもデプロイ | クラウドからオンプレミスまで、幅広い環境でGPU加速性能を提供します。 |
アーキテクチャ
(アスタリスク付き) のシステムはロードマップ上にあります。
論文・発表
-
Rethinking Analytical Processing in the GPU Era
Bobbi Yogatama*, Yifei Yang*, Kevin Kristensen, Devesh Sarda, Abigale Kim, Adrian Cockcroft, Yu Teng, Joshua Patterson, Gregory Kimball, Wes McKinney, Weiwei Gong, Xiangyao Yu – arXiv, 2025
Equal Contribution -
Debunking the Myth of Join Ordering: Toward Robust SQL Analytics
Junyi Zhao, Kai Su, Yifei Yang, Xiangyao Yu, Paraschos Koutris, Huanchen Zhang – SIGMOD, 2025 -
Accelerate Distributed Joins with Predicate Transfer
Yifei Yang, Xiangyao Yu – SIGMOD, 2025 -
GPU Databases—The New Modality of Database Analytics (presentation)
Bobbi Yogatama, Xiangyao Yu – HPTS, 2024 -
Scaling your Hybrid CPU‑GPU DBMS to Multiple GPUs
Bobbi Yogatama, Weiwei Gong, Xiangyao Yu – VLDB, 2024 -
Predicate Transfer: Efficient Pre‑Filtering on Multi‑Join Queries
Yifei Yang, Hangdong Zhao, Xiangyao Yu, Paraschos Koutris – CIDR, 2024 -
Accelerating User‑Defined Aggregate Function (UDAF) with Block‑wide Execution and JIT Compilation on GPUs
Bobbi Yogatama, Brandon Miller, Yunsong Wang, Graham Markall, Jake Hemstad, Gregory Kimball, Xiangyao Yu – DaMoN@SIGMOD, 2023 -
Orchestrating Data Placement and Query Execution in Heterogeneous CPU‑GPU DBMS
Bobbi Yogatama, Weiwei Gong, Xiangyao Yu – VLDB, 2022 -
Tile‑based Lightweight Integer Compression in GPU
Anil Shanbhag*, Bobbi Yogatama*, Xiangyao Yu, Samuel Madden – SIGMOD, 2022 -
A Study of the Fundamental Performance Characteristics of GPUs and CPUs for Database Analytics
Anil Shanbhag, Samuel Madden, Xiangyao Yu – SIGMOD, 2020