随着大数据时代的到来,联机分析处理(Online Analytical Processing,OLAP)已成为了研究的焦点。其中,面向海量数据处理的效率问题成为OLAP研究的关键点。为了提高执行效率,越来越多的OLAP数据库采用全内存计算。同时,CPU/GPU异构计算框架的运用越来越广泛。将异构计算运用于OLAP数据库可以大大提高OLAP的执行效率,降低OLAP的成本,这在数据库科学和工程上都有重要意义。目前使用GPU异构计算加速数据库的主要方式是提取数据库中的计算密集型操作,然后将其替换成GPU并行计算逻辑。这种通用做法无法解决总线传输瓶颈的问题。本文以解决OLAP数据库异构计算系统的总线传输瓶颈为突破口,以GPU索引为主要基础,以异构算子为主要手段,设计了一整套完整异构加速方案。本文的最终目的是为OLAP分布式内存数据库提供一套异构加速方案,主要工作如下:1、设计了GPU索引方案作为全文的基础。GPU索引方案不仅可以充分利用GPU的并行计算能力,同时也极大减少了内存和显存之间的数据传输,解决了总线传输瓶颈问题。2、基于GPU索引方案,设计了混合算子模型。在混合算子模型下,每一个算子都有GPU近似算子和CPU精确算子两部分,两个部分相互协作,共同完成计算任务。本文也详细论述了如何将混合算子模型运用于OLAP数据库的关键算子。3、设计了与GPU索引方案适配的调度模型。调度模型分为分布式全局调度和单节点局部调度,全局调度对热点数据在分布式集群中进行迁移,局部调度对数据进行索引调整。4、总结了将异构计算运用于数据库的关键性问题,并为这些问题建立数学模型。通过推导证明,得出许多有用的结论。这些结论直接运用于本系统,同时许多结论对其他类型的异构计算也具有借鉴意义。最后,对本分布式内存数据库异构计算系统进行全面的测试。测试结果发现本系统的执行效率远远高于单独使用CPU执行的效率。