NVIDIA GQE 为 GPU 加速查询引擎树立标杆
realtime news Jun 30, 2026 18:59
NVIDIA 的 GPU 查询引擎 (GQE) 利用 Grace Blackwell 硬件，实现了比 CPU 快 7.5 倍的数据库性能。了解更多内容。
NVIDIA 推出了一个尖端的 GPU 加速数据库查询处理参考架构，称为 GPU 查询引擎 (GQE)。GQE 旨在最大化 NVIDIA Grace Blackwell 硬件的能力，据报道，其在关键基准测试中比传统 CPU 数据库引擎快 7.5 倍，成为高性能分析领域的领导者。
GQE 利用了 NVIDIA 的先进硬件功能，包括高带宽内存 (HBM)、NVLink-C2C 互连和专用解压引擎，以解决长期存在的内存和 I/O 瓶颈。通过加速 CPU 和 GPU 之间的数据移动并优化查询执行，GQE 为大规模分析工作负载解锁了显著的吞吐量提升。
GQE 架构解析
GQE 通过查询层、数据层和执行层三个协调层级运行。查询层与 Substrait（一个开源查询计划格式）集成，简化了从现有数据库系统的过渡。数据层高效地组织和传输从 CPU 到 GPU 的数据，而执行层使用 NVIDIA 的 cuDF 和其他 CUDA-X 库进行高性能查询执行。
一个突出特点是 GQE 的分区裁剪能力，可在传输前跳过无关数据。在以 1 TB 规模运行的行业标准 TPC-H 基准测试中，分区裁剪减少了 31% 的数据移动，从而整体速度提高了 1.43 倍。
压缩技术驱动性能提升
压缩是 GQE 设计的另一个核心。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 解压引擎发挥了关键作用，可在不使用 GPU 核心的情况下实现高达 400 GB/s 的解压速度，从而进一步提升吞吐量。
该架构采用了混合压缩策略，将 Cascaded 等轻量级算法用于结构化数据，将 LZ4 用于通用数据。这种双重方法使 GQE 能够在压缩比和传输带宽之间取得平衡，从而优化各种工作负载的性能。
性能亮点
NVIDIA 在 TPC-H 基准测试中展示了 GQE 的性能，其在 22 个查询中有 20 个超过了领先的 CPU 数据库引擎 DuckDB。在单个 GB200 GPU 上运行时，GQE 仅用 9 秒完成了完整的基准测试，而 DuckDB 在双插槽 AMD CPU 设置上用了 74 秒。单个查询的加速范围从接近持平到超过 25 倍，总体性能提升达到 7.5 倍。
对数据分析市场的影响
GPU 加速查询引擎在希望更快、更高效地处理海量数据集的企业中正越来越受欢迎。最近的合作，例如 NVIDIA 与 Starburst 和 AWS（2026 年 6 月）的集成，突显了围绕 GPU 分析日益增长的生态系统。像 IBM 这样的竞争对手也通过 GPU 加速查询解决方案的私有技术预览进入了这一领域。
对于以分析为主的行业，GQE 和类似系统提供了一个引人注目的价值主张：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 专注于 Substrait 和 RAPIDS cuDF 等开放架构，进一步降低了采用 GPU 加速的门槛，使更多组织能够使用这一技术。
下一步是什么？
随着 GQE 的开源设计可用，它为数据库开发者利用 GPU 能力提供了蓝图。凭借 7.5 倍的性能提升，企业有明确的动力重新考虑其数据平台，尤其是在 GPU 驱动技术扩展到 AI 原生工作负载和向量搜索应用时。
展望未来，NVIDIA 持续的硬件创新和生态系统合作伙伴关系可能会巩固 GPU 加速查询引擎作为大规模分析新标准的地位。
Image source: Shutterstock.jpg)
