다음 단계가 GPU인 이유.
분석 시스템은 15년 동안 프로세서의 성능을 한계까지 끌어냈습니다. 다음 차원의 성능 향상은 다른 하드웨어에서 나옵니다.
네 단계로 설명합니다.
프로세서 기반 성능 향상은 한계에 도달했습니다.
컬럼형 엔진은 소수의 프로세서 코어에 물리적 한계까지 효율적으로 데이터를 공급해 속도를 높여 왔습니다. 이 방식은 더 이상 큰 폭으로 발전하기 어렵습니다.
메모리 대역폭이 한계입니다.
분석 쿼리는 읽기, 필터링, 그룹화, 조인을 수행합니다. 프로세서 메모리는 모든 코어가 공유합니다.
GPU는 이 작업에 적합합니다.
수천 개의 코어와 고대역폭 메모리를 집계, 필터링, 그룹화, 조인에 활용합니다.
이전에는 실현되지 못한 이유.
GPU 데이터베이스는 개념을 입증했지만 독점적이고 고가인 상태로 남았습니다. 이제 GPU 카드는 널리 보급되었고 도구도 성숙했습니다.
RayoDB의 접근 방식.
데이터를 GPU 카드에 유지합니다.
쿼리에 필요한 컬럼이 GPU 메모리에 있도록 스토리지를 구성합니다.
용량은 개수로 확장됩니다.
각 워커가 GPU 하나를 사용합니다. 여유 용량이 더 필요하면 워커를 추가합니다.
데이터 가까이에서 모델을 실행합니다.
예측, 이상 탐지, 시맨틱 검색을 SQL 함수로 실행합니다.
하나의 세션, 두 개의 문.
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
실제 RayoDB SQL이며 행은 예시입니다. 실행 시간은 표시하지 않습니다.정책에 따른 표기입니다.