次の段階が GPU である理由。
分析システムは十五年にわたり、プロセッサの性能を限界まで引き出してきました。次の桁の性能向上は、異なるハードウェアから生まれます。
四つの段階で説明します。
プロセッサによる進歩は限界に達しました。
列指向エンジンは、少数のプロセッサコアへ物理的な限界まで効率よくデータを供給することで高速化してきました。この道には、もはや大きな伸びしろがありません。
メモリ帯域幅が壁になります。
分析クエリは読み取り、フィルタリング、グループ化、結合を行います。プロセッサのメモリはすべてのコアで共有されます。
GPU はこの処理に適しています。
数千のコアと広帯域メモリを、カウント、フィルタリング、グループ化、結合に活用できます。
これまで実現しなかった理由。
GPU データベースは構想の有効性を証明しましたが、プロプライエタリで高価なままでした。現在では GPU カードが広く入手でき、ツールも成熟しています。
RayoDB のアプローチ。
データを GPU カード上に保持。
クエリに必要な列が GPU メモリに配置されるよう、ストレージを構成します。
台数で容量が決まります。
各ワーカーが一つの GPU を使用します。余力を増やすにはワーカーを追加します。
データの隣でモデルを実行。
予測、異常検知、セマンティック検索を SQL 関数として実行します。
一つのセッション、二つのステートメント。
1 · A week of events, per hour
SELECT toStartOfHour(ts) AS hour, count() AS events
FROM product_events
WHERE ts >= now() - INTERVAL 7 DAY
GROUP BY hour;| hour | events |
|---|---|
| 2026-08-27 00:00 | 1,284,913 |
| 2026-08-27 01:00 | 962,340 |
| … | … |
168 rows · sample data
2 · The next 24 hours, forecast in SQL
SELECT * FROM AI_FORECAST(hourly_events, hour, events, 24);| hour | forecast | low | high |
|---|---|---|---|
| 2026-09-03 00:00 | 1,301,540 | 1,214,002 | 1,388,118 |
| 2026-09-03 01:00 | 978,116 | 901,455 | 1,054,210 |
| … | … | … | … |
24 rows · sample data
実際の RayoDB SQL を使用し、行は例示です。所要時間は表示していません。ポリシーに基づく対応です.