NVIDIA 的 GPU 查询引擎 (GQE) 利用 Grace Blackwell 硬件提供比 CPU 快 7.5 倍的数据库性能。了解具体操作方法。
NVIDIA 推出了用于 GPU 加速数据库查询处理的尖端参考架构，称为 GPU 查询引擎 (GQE)。据报道，GQE 旨在最大限度地发挥 NVIDIA Grace Blackwell 硬件的功能，在关键基准测试中的速度比传统 CPU 数据库引擎提高了 7.5 倍，使其成为高性能分析领域的领导者。
GQE 利用 NVIDIA 的先进硬件功能，包括高带宽内存 (HBM)、NVLink-C2C 互连和专用解压缩引擎，以解决内存和 I/O 限制等长期存在的瓶颈。通过加速 CPU 和 GPU 之间的数据移动并优化查询执行，GQE 显着提高了大规模分析工作负载的吞吐量。
分解 GQE 架构
GQE 通过三个协调层进行操作：查询、数据和执行。查询层与开源查询计划格式 Substrait 集成，以简化现有数据库系统的转换。数据层有效地组织数据并将其从CPU传输到GPU，而执行层则使用NVIDIA的cuDF和其他CUDA-X库来实现高性能查询执行。
一个突出的功能是 GQE 执行分区修剪的能力，它可以在传输之前跳过不相关的数据。在使用行业标准 TPC-H 基准测试 1 TB 规模的测试中，分区修剪将数据移动减少了 31%，总体速度提高了 1.43 倍。
压缩技术推动性能提升
压缩是 GQE 设计的另一个基石。通过 NVIDIA nvCOMP 库使用 GPU 优化格式，GQE 减少了内存占用并加速了数据传输。 NVIDIA Blackwell 解压缩引擎发挥着关键作用，无需使用 GPU 核心即可实现高达 400 GB/s 的解压缩速度，进一步提高吞吐量。
该架构采用混合压缩策略，将用于结构化数据的 Cascaded 等轻量级算法与用于通用数据的 LZ4 相结合。这种双重方法使 GQE 能够平衡压缩比和传输带宽，从而优化不同工作负载的性能。
性能亮点
NVIDIA 在 TPC-H 基准测试中展示了 GQE 的功能，在 22 个查询中，有 20 个查询的性能优于基于 CPU 的领先数据库引擎 DuckDB。在单个 GB200 GPU 上运行时，GQE 只需 9 秒即可完成完整基准测试，而 DuckDB 在双路 AMD CPU 设置上需要 74 秒。单个查询加速范围从接近同等到超过 25 倍，总体性能显示出 7.5 倍的改进。
对数据分析市场的影响
GPU 加速查询引擎正在吸引那些希望更快、更高效地处理海量数据集的企业。最近的合作，例如 NVIDIA 与 Starburst 和 AWS 的集成（2026 年 6 月），凸显了围绕基于 GPU 的分析不断发展的生态系统。 IBM 等竞争对手也通过 GPU 加速查询解决方案的私有技术预览进入该领域。
对于分析密集型行业，GQE 和类似系统提供了令人信服的价值主张：更高的吞吐量、更低的基础设施成本以及与 AI 工作负载的无缝集成。 NVIDIA 对 Substrait 和 RAPIDS cuDF 等开放架构的关注进一步降低了采用门槛，使更广泛的组织能够使用 GPU 加速。
下一步是什么？
随着 GQE 的开源设计的推出，它为数据库开发人员利用 GPU 的能力提供了蓝图。随着性能提升 7.5 倍，企业明显有动力重新考虑其数据平台，特别是当 GPU 驱动的技术扩展到人工智能原生工作负载和矢量搜索应用程序时。
展望未来，NVIDIA 持续的硬件创新和生态系统合作伙伴关系可以巩固 GPU 加速查询引擎作为大规模分析的新标准。