英伟达Sirius：跨境分析成本狂降7.2倍！

当前全球数字经济浪潮奔涌，数据已然成为企业发展的核心驱动力。特别是对于中国跨境行业而言，面对瞬息万变的市场环境、海量的交易信息和复杂的物流链条，高效、精准的数据分析能力，无疑是企业保持竞争力的关键。长久以来，数据处理的效率瓶颈一直困扰着众多从业者。然而，进入2025年，随着人工智能和高性能计算技术的飞速发展，一场围绕数据分析引擎的革新正在悄然进行。一项由国际科技巨头英伟达（NVIDIA）与美国威斯康星大学麦迪逊分校合作的最新成果——Sirius项目，正凭借其卓越的性能表现，为大数据分析领域带来了新的曙光。该项目通过将图形处理器（GPU）的强大并行计算能力引入到流行的DuckDB分析型数据库中，不仅实现了前所未有的处理速度，更在成本效益上树立了新标杆，为未来中国跨境企业的数据基础设施建设提供了重要的参考方向。

Sirius，作为一种创新的GPU原生执行引擎，其核心在于充分利用了英伟达的CUDA-X库，包括cuDF和RAPIDS内存管理器等领先技术。这项技术的一大亮点在于，它能够在不改变DuckDB现有代码库的前提下，实现性能的质的飞跃。换言之，Sirius能够无缝地融入到DuckDB生态系统之中，极大地降低了技术门槛和迁移成本。这种兼容性与高效性的结合，使得Sirius在行业标准ClickBench基准测试中表现出色，其SQL操作在GPU上运行的速度，已远超传统的基于CPU的竞争对手，并在总拥有成本（TCO）方面展现出显著优势。尤其在涉及过滤、投影、聚合以及字符串操作等常见的查询类型上，Sirius均实现了令人瞩目的加速效果。未来，Sirius的研发团队还计划进一步提升GPU内存管理能力，引入GPU原生文件读取器及预取机制，构建面向流水线的执行模型，并最终实现可扩展的多节点、多GPU架构，以支持更高级别的数据分析工作负载。

DuckDB作为一款嵌入式分析型数据库，凭借其简洁、快速和多功能性，在2025年已获得了包括美国DeepSeek、微软（Microsoft）和美国Databricks等众多知名机构的青睐，被广泛应用于各种数据分析场景。随着数据分析工作负载的规模日益增长，其对大规模并行计算的需求也越来越迫切。在此背景下，GPU因其卓越的并行处理能力，自然而然地成为了性能提升的下一站。相比于传统的CPU数据库解决方案，GPU不仅能提供更高的性能和吞吐量，其更优的总拥有成本也使其成为一个极具吸引力的选择。然而，从头开始构建一个基于GPU的数据库系统，技术复杂性和投入巨大，这在一定程度上阻碍了GPU加速技术的普及。正是在这样的行业背景下，英伟达与美国威斯康星大学麦迪逊分校联合开发的Sirius引擎应运而生。Sirius被设计为DuckDB的可组合GPU原生执行后端，它巧妙地复用了DuckDB成熟的子系统，同时利用GPU显著加速查询执行。通过深度集成英伟达CUDA-X库，Sirius为DuckDB带来了革命性的GPU加速能力。

Sirius的核心优势在于其GPU原生SQL引擎的设计理念，它不仅能为DuckDB提供即插即用的加速能力，未来还有望支持其他数据系统。研发团队在2025年最新发布的一篇研究文章中详细阐述了Sirius的架构，并在SF100规模的TPC-H基准测试中展现了先进的性能表现。Sirius以DuckDB扩展的形式实现，这意味着它无需对DuckDB的代码库进行任何修改，用户只需进行极少的界面调整即可使用。在执行层面，Sirius接收来自DuckDB的通用Substrait格式查询计划，这确保了其与各种数据系统的兼容性。

为了最大程度地减少工程投入并提升系统可靠性，Sirius的构建基于英伟达两项久经验证的成熟技术库：

1. 英伟达cuDF：这是一个高性能、面向列的关联操作符库，如连接（joins）、聚合（aggregations）和投影（projections）等，专门为GPU环境设计，能够充分发挥GPU的计算潜力。
2. 英伟达RAPIDS内存管理器（RMM）：这是一款高效的GPU内存分配器，能够有效减少内存碎片和分配开销，确保GPU资源得到最佳利用。

Sirius正是基于这两大高性能库，构建了其GPU原生执行引擎和缓冲区管理机制。同时，它还复用了DuckDB的诸多高级子系统，包括查询解析器、优化器以及在适当场景下的扫描操作符。这种成熟生态系统的有机结合，让Sirius在开发伊始便拥有了强大的基础，得以在极小的工程投入下，迅速在ClickBench基准测试中打破了性能记录。

如上图所示，Sirius处理查询的流程始于接收DuckDB内部格式已优化好的查询计划，这确保了逻辑和物理优化得以保留。在进行表扫描时，Sirius会调用DuckDB的扫描功能，该功能具备一系列高效特性，如最小值-最大值过滤、区域跳过以及即时解压缩，这些操作能够高效地将相关数据加载到主机内存中。随后，表扫描的结果会从DuckDB的原生格式转换成Sirius的数据格式（与Apache Arrow高度兼容），然后传输到GPU内存。在ClickBench等基准测试中，Sirius能够将频繁访问的表缓存在GPU上，从而显著加速重复查询的执行。Sirius的数据格式可以直接映射到cuDF::table，实现零拷贝互操作性，使得所有后续的SQL操作（包括聚合、投影和连接）都能通过cuDF的原语以GPU的速度执行。计算完成后，结果数据会传回CPU，转换成DuckDB预期的输出格式，并最终返回给用户。这一整套流程不仅提供了极致的原始速度，也为用户带来了无缝且熟悉的分析体验。

Sirius在ClickBench基准测试中独占鳌头

在2025年进行评估时，Sirius在Lambda Labs提供的英伟达GH200 Grace Hopper超级芯片实例上运行（成本为每小时1.5美元），并与ClickBench排名前五的系统进行了对比测试。参与对比的其他系统均运行在纯CPU实例上，包括美国亚马逊云科技（AWS）c6a.metal（每小时7.3美元）、美国亚马逊云科技c8g.metal-48xl（每小时7.6美元）和美国亚马逊云科技c7a.metal-48xl（每小时9.8美元）。根据ClickBench的测试方法，评估报告了热运行执行时间和相对运行时长，其中较低的值表示更好的性能，1.0代表最佳得分。下图展示了几何平均相对运行时长在所有基准查询中的表现。

在这些ClickBench测试中，Sirius在成本更低的硬件上实现了最低的相对运行时长，相较于本次测试中的CPU方案，其成本效益至少提升了7.2倍。这充分证明了GPU加速技术在提升性能的同时，也能大幅优化数据分析的运营成本，这对于中国跨境企业在控制成本方面具有重要的借鉴意义。

上图详细展示了Sirius与ClickBench排名前二的系统Umbra和DuckDB的热运行查询性能对比。Sirius在绝大多数查询中都实现了最低的相对运行时长，这得益于cuDF所驱动的高效GPU计算。例如，在查询q4、q5和q18中，Sirius在过滤、投影和聚合等常用操作上展现出显著的性能提升。然而，也有少数查询揭示了Sirius未来仍有改进空间。例如，q23查询的瓶颈在于字符串列上的“包含”（contains）操作；q24和q26受限于Top-N操作符的性能；而q27则受制于对巨大输入数据进行聚合的效率。Sirius的未来版本将持续优化这些操作符，以实现更全面的卓越性能。

进一步深入分析，上图聚焦于ClickBench中最复杂的查询之一——正则表达式查询（q28）。如果简单地在GPU上实现正则表达式匹配，可能会产生大量的内核（kernels），导致高寄存器压力和复杂的控制流，进而严重影响性能。为解决这一难题，Sirius巧妙地利用了cuDF的即时编译（JIT）字符串转换框架，支持用户自定义函数。上图对比了JIT方法与cuDF预编译API（cudf::strings::replace_with_backrefs）的性能，结果显示JIT转换实现了高达13倍的加速。JIT转换后的内核实现了85%的warp占用率，远高于预编译版本的32%，这表明GPU资源得到了更有效的利用。通过将正则表达式分解为字符比较、子字符串操作等标准字符串操作，cuDF的JIT框架能够将这些操作融合成一个单一的内核，从而改善数据局部性并降低寄存器压力，显著提升了复杂字符串处理的效率。

Sirius的未来展望与对行业的影响

展望未来，英伟达与美国威斯康星大学麦迪逊分校正紧密合作，致力于为GPU数据处理构建基础性、可共享的模块。这项工作遵循模块化、可互操作、可组合、可扩展（MICE）的原则，正如在Composable Codex中所述。当前，他们的重点发展领域包括：

1. 高级GPU内存管理：开发稳健的策略，以高效管理GPU内存，包括实现数据溢出物理GPU限制时的无缝处理机制，以维持性能并实现规模扩展。
2. GPU文件读取器和智能I/O预取：接入GPU原生的文件读取器，并结合智能预取技术，以加速数据加载，最大程度地减少停顿，并缓解I/O瓶颈。
3. 面向流水线的执行模型：将Sirius的核心架构演进为完全可组合的流水线架构，以优化跨GPU、主机和磁盘的数据流，高效地重叠计算与通信，并支持与开放标准的即插即用互操作性。
4. 可扩展的多节点、多GPU架构：扩展Sirius的能力，使其能够高效地扩展到多个节点和多个GPU，从而解锁PB级数据处理的能力。

通过在这些符合MICE原则的组件上进行投入，Sirius项目旨在让GPU分析引擎的构建、集成和扩展变得更加简便，这不仅对Sirius自身意义重大，也将惠及整个开源分析生态系统。

Sirius项目采取了开放源代码的策略，遵循宽松的Apache-2.0许可协议。该项目由英伟达和美国威斯康星大学麦迪逊分校共同主导，欢迎所有致力于推动GPU在数据分析领域发展的研究人员和实践者积极贡献力量。

对于中国的跨境行业从业者而言，Sirius项目的进展无疑指明了未来数据分析技术演进的一个重要方向。在全球化数字经济背景下，数据处理的速度和效率直接影响着企业的决策质量和市场响应能力。GPU加速技术，尤其像Sirius这样将现有成熟数据库与高性能计算深度融合的方案，展现出在降低成本、提升性能方面的巨大潜力。建议国内相关从业人员密切关注此类技术动态，探索将GPU加速应用于自身的业务场景，如跨境电商的交易数据分析、物流路径优化、用户行为预测等，以期在日益激烈的国际市场竞争中，通过技术创新构筑自身的数据优势，实现可持续发展。

新媒网（公号: 新媒网跨境发布），是一个专业的跨境电商、游戏、支付、贸易和广告社区平台，为百万跨境人传递最新的海外淘金精准资讯情报。

本文来源：新媒网 https://nmedialink.com/posts/nvidia-sirius-cross-border-cost-down-72x.html