在 GPU 上加速基于位图的集合操作

从信息检索到各种大数据工作负载 (包括混合检索和留存分析)，高效的集合操作可使许多应用受益。
Bitmap 是构建高性能集合操作工具包的基本数据结构，我们看到其中一些工具包在行业中取得了巨大成功。与此同时，GPU 上基于位图的集合操作工具包仍需进一步优化。
在本次演讲中，我们将分享基于位图的集合操作优化实践，详细阐述高效集合并集、交集、差集和其他操作的设计和实现要点，并展示如何与现有的基于排序数组的 GPU 集合操作工具包 (如 Thrust) 合作。
通过充分利用 GPU 设备显存带宽和高效的线程调度机制，并通过位图减少显存占用，我们可以在密集集合的运算上提供比现有工具包更高的吞吐量。