内存数据库

作者：张延松 王珊

书号：335964

定价：￥96 元

字数：708 千字

印次：1-1

开本：16

出版时间：2025-03-18

ISBN：978-7-300-33596-4

包装：平

内容提要：  
本书面向内存数据库实现技术，系统分析了硬件技术发展趋势、数据库模式特征、内存数据库查询优化技术和面向新硬件平台的内存数据库多维分析处理实现技术，解读了现代内存数据库的关键技术，并系统地提出内存数据库技术的实现架构和关键技术问题的解决方案，通过内存数据库核心算子算法实践案例为读者剖析内存数据库查询算法实现与优化技术，探索内存数据库关键实现技术。  

本书分为三部分，共8章：第一部分为内存数据库基础篇，包括第1~3章，主要介绍与内存数据库技术相关的基础知识、硬件技术发展以及基于内存计算平台的数据仓库模式分析。第二部分为内存数据库实现技术篇，包括第4~6章，对比分析了内存数据库实现的关键技术，梳理了内存数据库实现技术的脉络。第三部分为内存数据库实践技术篇，包括第7、8章，以中国人民大学王珊教授领导的高性能数据库团队长期以来在内存数据库领域的研究成果为基础，系统地介绍了在内存数据库和面向新型异构存储/计算硬件平台数据库技术的理论模型和计算架构，为读者提供了一个可参考的内存数据库实现案例素材，并展示对于内存数据库未来发展趋势的分析和研究技术路线。  



作者简介：  

张延松  中国人民大学信息学院副教授，长期从事计算机基础与数据库方向的教学和研究工作。主要研究领域为内存数据库、新硬件数据库技术。在国内外学术期刊上发表论文20余篇，在内存数据库方向已申请20余项国内发明专利、美国PCT发明专利授权。2016年获得教育部科技进步一等奖，2018年获得国家科技进步二等奖。主要为本科生讲授SQL Server商务智能、计算机系统基础I，为研究生讲授大数据计算机基础、内存数据库课程。出版有《内存数据库技术与实现》《大数据计算机基础》《数据库应用技术》《SQL Server2017数据库分析处理技术》等教材。

王珊  中国人民大学教授，博士生导师，大数据管理与分析方法研究北京市重点实验*学术委员会主任。曾任中国人民大学信息学院院长、中国计算机学会副理事长、中国计算机学会数据库专业委员会主任、教育部第五届科学技术委员会委员等。
自1981年以来一直从事数据库方向的教学、科研和系统开发工作。1984—1986年应邀赴美国马里兰大学工作，设计和开发可扩展的关系数据库管理系统XDB。回国后主持和承担了国家科技攻关项目、国家高技术研究发展计划（863计划）、北京市科技计划重大项目、国家自然科学基金重点及重大项目、国家核高基科技重大专项等50多项科研项目。在国内外学术期刊上发表论文300余篇，出版数据库方面的著作30多部。
40余年来培养博士、硕士研究生130余名，主持研制和开发多个具有自主版权的数据库管理系统。科研成果获十多项国家级和省部级科技进步奖。编著的教材《数据库系统概论》三次获国家优秀教材奖，相应课程入选国家级一流本科课程等。曾获全国五一劳动奖章，全国优秀教师、国家教学名师等荣誉称号，以及2022年度中国计算机学会最高科学技术奖。

目录：  
第1部分内存数据库基础  

第1章 绪 论  

1.1 内存计算  

1.2 内存数据库系统概述  

1.3 内存数据库的发展历程  

1.4 内存数据库的分类  

第2章 硬件技术的发展对内存计算技术的影响  

2.1 多核处理器  

2.2 硬件加速器  

2.3 内 存  

2.4 NAND SSD  

2.5 硬 盘  

2.6 高速网络  

2.7 数据库一体机  

2.8 云原生数据库  

第3章 基于内存计算平台的数据仓库模式分析  

3.1 数据库与数据仓库概述  

3.2 OLAP  

3.3 代表性数据仓库模式  



第2部分 内存数据库实现技术  

第4章 内存数据库存储访问实现技术  

4.1 存储模型优化技术  

4.2 数据压缩技术  

4.3 索引技术  

第5章 内存OLAP查询优化技术  

5.1 选择操作优化技术  

5.2 投影操作优化技术  

5.3 连接操作优化技术  

5.4 分组聚集操作优化技术  

5.5 多维分析操作优化技术  

5.6 查询优化技术  

5.7 内存数据库事务处理技术  

第6章 GPU数据库实现技术  

6.1 GPU 硬件技术分析  

6.2 代表性 GPU 数据库系统  

6.3 GPU 数据库实现技术  



第3部分 内存数据库实践技术  

第7章 开放内存 OLAP 计算架构  

7.1 多维–关系数据模型  

7.2 多维–关系计算模型  

7.3 面向异构硬件平台的多维–关系计算模型  

第8章 内存OLAP实现技术实践  

8.1 选择算子算法设计  

8.2 投影算子算法设计  

8.3 连接算子算法设计  

8.4 分组算子算法设计  

8.5 聚集算子算法设计  

8.6 星形连接算子算法设计  

8.7 多维计算算子算法设计  

8.8 GPU 多维计算算子算法设计  

8.9 TPC-H 查询算法设计  

8.10 基于底层算子库实现Q5查询  

在线试读：  
在标志着数据库性能的TPC-C、TPC-E、TPC-H榜单上，内存数据库已经成为主流技术，传统数据库系统，如SQL Server、Oracle集成了内存数据库引擎，实现了在技术上的换道超车，成为当前主流的数据库技术。新型多核CPU的核心数量已经超过100，新型12通道内存提供了大容量和高带宽性能，进一步推动内存数据库技术的成熟和产品的普及。在标志着高性能计算和高能效计算的TOP500和GREEN500榜单上，CPU-GPU异构计算平台成为主导，高性能处理技术的发展推动了高性能GPU数据库技术的成熟，为高性能数据库提供了强大的硬件平台支持。从当前数据库技术的发展来看，传统的磁盘数据库正在经历向内存数据库、GPU数据库的技术升级，随着硬件技术发展的多样化，FPGA、DPU、CXL扩展内存、非易失内存等新型处理和存储硬件也将为数据库提供新型硬件平台，需要数据库在软件架构层面充分考虑当前及未来新型异构存储/计算硬件技术的发展趋势，在软件架构、数据模型、计算模型、算法实现等领域设计面向未来开放、异构计算平台的新型数据库系统架构，适应新硬件技术的发展，充分利用新硬件技术的性能红利，通过软硬件相结合的优化技术提升数据库性能。  
本书是内存数据库实现方面的教材，系统地介绍了内存数据库相关的理论知识和实现技术，为内存数据库研究和开发人员介绍系统的知识和技术体系，同时也是面向内存数据库核心技术的学术专著，系统地分析了当前数据库领域最前沿的内存数据库实现技术，帮助读者了解数据库领域的学术研究前沿知识，掌握内存数据库实现的关键技术。本书系统地介绍了中国人民大学高性能数据库团队在内存数据库领域的研究成果，系统地提出了面向未来异构硬件平台的内存计算实现框架和关键技术，对内存数据库的研究工作具有一定的借鉴意义。当前数据库技术正经历从传统磁盘数据库向内存数据库的技术升级，内存数据库和GPU数据库代表了当前及未来数据库技术的发展方向，本书系统地解读当前代表性的内存数据库和GPU数据库核心实现技术，通过教育的先导作用为国产数据库技术的发展提供技术储备。