Increasing the speed of DBMS operations using hardware FPGA accelerators

Cover Page

Cite item

Full Text

Abstract

The article provides an overview of a way to speed up data processing operations in a DBMS using an FPGA. An overview of FPGA capabilities, FPGA usage architectures is performed, and practical examples of FPGA usage are considered. The advantages and disadvantages of using FPGA are determined. A number of problems and alternative technologies were noted, which significantly slowed down the use of FPGAs in industrial DBMS and data storage systems. Using FPGA to speed up data processing in a DBMS, it can be argued that the approach allows you to speed up database operations related to query processing, data compression and encryption, and parallel data processing. However, the use of FPGAs also complicates the system as a whole, does not allow for flexible and quick reconfiguration of the system's functionality, and increases the total cost of ownership. In further research, it is planned to consider alternative technologies for accelerating data processing operations.

About the authors

A. V. Solovyev

Federal Research Center "Computer Science and Control" of the Russian Academy of Sciences

Email: soloviev@isa.ru
Doctor of Technical Sciences Moscow, Russia

References

  1. Alcaín E., Fernández P.R., Nieto R., Montemayor A.S., Vilas J., Galiana-Bordera A., Martinez-Girones P.M., Prieto-de-la-Lastra,C., Rodriguez-Vila B., Bonet M., Rodriguez-Sanchez C. Hardware Architectures for Real-Time Medical Imaging // Electronics, 10(24): 3118, 2021. doi: 10.3390/electronics10243118. ISSN 2079-9292.
  2. Nagornov N.N., Lyakhov P.A., Valueva M.V., Bergerman M.V. RNS-Based FPGA Accelerators for High-Quality 3D Medical Image Wavelet Processing Using Scaled Filter Coefficients // IEEE Access, 10: 19215–19231, 2022. doi: 10.1109/ACCESS.2022.3151361. ISSN 2169-3536.
  3. Huffmire T., Brotherton B., Sherwood T., Kastner R., Levin T., Nguyen T.D., Irvine C. Managing Security in FPGA-Based Embedded Systems // IEEE Design & Test of Computers, 25 (6): 590–598, 2008. doi: 10.1109/MDT.2008.166.
  4. Babaei A., Schiele G., Zohner M. Reconfigurable Security Architecture (RESA) Based on PUF for FPGA-Based IoT Devices // Sensors, 22(15): 5577, 2022. doi: 10.3390/s22155577. ISSN 1424-8220.
  5. Simpson P.A. FPGA Design, Best Practices for Team Based Reuse, 2nd edition. Switzerland: Springer International Publishing AG, 2015. ISBN 978-3-319-17924-7.
  6. How does FPGA work? 2023. : RUVDS.com, habr. URL: https://habr.com/ru/companies/ruvds/articles/736060/. Published: 18.05.2023.
  7. Fang J., Mulder Y.T.B., Hidders J. et al. 2020. In-memory database acceleration on FPGAs: a survey. The VLDB Journal 29, 33–59. https://doi.org/10.1007/s00778-019-00581-w.
  8. Volkov D., Nikolayenko A. 2019. On the way to the "iron" DBMS. Open systems. DBMS, №02: OSP. URL: https://www.osp.ru/os/2019/02/13054946. Published: 19.05.2019.
  9. Chen S., Chen Y., Wang Z., Qin W., Zhang J., Nand H., Zhang J., Li J., Zhang X., Liang X., Xu M. Efficient sequencing data compression and FPGA acceleration based on a two-step framework. Front. Genet., 14: 1260531, 2023. doi: 10.3389/fgene.2023.1260531.
  10. Lu A., Fang Z. SQL2FPGA: Automatic Acceleration of SQL Query Processing on Modern CPU-FPGA Platforms. 2023 IEEE 31st Annual International Symposium on Field-Programmable Custom Computing Machines (FCCM), Marina Del Rey, CA, USA, 184-194, 2023. doi: 10.1109/FCCM57271.2023.00028.
  11. Owaida M., Sidler D., Kara K., Alonso G. Centaur: A Framework for Hybrid CPU-FPGA Databases. 2017 IEEE 25th Annual International Symposium on Field-Programmable Custom Computing Machines (FCCM), Napa, CA, 211-218, 2017. doi: 10.1109/FCCM.2017.37.
  12. Wei X. Sailfish: Exploring Heterogeneous Query Acceleration on Discrete CPU-FPGA Architecture. IEEE 39th International Conference on Data Engineering Workshops (ICDEW), Anaheim, CA, USA, 198-204, 2023. doi: 10.1109/ICDEW58674.2023.00036.
  13. Khasanov V. Acceleration of 1C data processing on FPGA accelerators Xilinx Alveo : rutube. URL: https://rutube.ru/video/c246d709685406649e-5730c23a95e416/. Last access: 25.04.2025.
  14. Oikawa S. 2021. Operating System Framework for Transparent Execution on a CPU and FPGA. 2021 IEEE/ACIS 19th International Conference on Software Engineering Research, Management and Applications (SERA), Kanazawa, Japan, 97-101. doi: 10.1109/SERA51205.2021.9509041.
  15. Amazon throws SSDs, FPGAs, Nitro chips at Redshift with "AQUA" : TheStack. URL: https://www.thestack.technology/aws-aqua-redshift-ga/. Published: 15.04.2021.
  16. Intelligent self-processing for the era of big data. SmartSSD : Samsung. URL: https://semiconductor.samsung.com/emea/ssd/smart-ssd/. Last access: 26.04.2025.
  17. SmartSSD® Computational Storage Drive : AMD. URL: https://www.amd.com/content/dam/xilinx/publications/product-briefs/xilinx-smartssd-computational-storage-drive-product-brief.pdf. Last access: 26.04.2025.
  18. Samsung has introduced a second-generation Smart SSD based on AMD processors : overclockers. URL: https://overclockers.ru/blog/TechRanch/show/71223/samsung-predstavila-smartssd-vtorogo-pokoleniya-na-baze-processorov-amd. Published: 22.07.2022.
  19. Feng J., Li Z., Chen Q. Towards Exploratory Query Optimization for Template-Based SQL Workloads. 2024 IEEE 40th International Conference on Data Engineering (ICDE), Utrecht, Netherlands, 151-164, 2024. doi: 10.1109/ICDE60146.2024.00019.
  20. Chen T., Gao J., Tu Y., Xu M. GLO: Towards Generalized Learned Query Optimization. 2024 IEEE 40th International Conference on Data Engineering (ICDE), Utrecht, Netherlands, 4843-4855, 2024. doi: 10.1109/ICDE60146.2024.00368.
  21. Fang J. Database Acceleration on FPGAs. Dissertation (TU Delft), Delft University of Technology, 2019. https://doi.org/10.4233/uuid:84dfc577-ca6f-43ea-9b24-4dc160c103f5.
  22. Practical application of an FPGA server. Selectel company blog : habr. URL: https://habr.com/ru/companies/selectel/articles/565190/. Published: 10.07.2021.

Supplementary files

Supplementary Files
Action
1. JATS XML
Download

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».