أعلنت NVIDIA بالشراكة مع جامعة ويسكونسن-ماديسون عن إنجاز بارز في عالم تحليل البيانات، من خلال تطوير محرك Sirius، وهو حل مفتوح المصدر مُسرّع ببطاقات GPU لمحرك قواعد البيانات DuckDB. يُعد Sirius محرك SQL مُصمم خصيصًا للعمل على GPU، ويُقدّم تسريعًا مباشرًا لـ DuckDB دون الحاجة إلى تعديل كوده الأساسي، مع الحفاظ على بيئة التحليل المألوفة للمستخدمين. تم بناء Sirius على مبادئ مُركّبة وقابلة للتوسيع (MICE)، حيث يعتمد على مكتبات NVIDIA CUDA-X وcuDF لبناء محرك تنفيذ مُخصص للـ GPU، مع الاستفادة من مكونات متقدمة في DuckDB مثل معالج الاستعلام، المُحسّن، ومشغّل القراءة. عند تنفيذ الاستعلام، يُحوّل DuckDB خطة الاستعلام إلى صيغة Substrait الموحّدة، ثم يُمرر إلى Sirius، الذي يحوّل النتائج إلى صيغة متوافقة مع Apache Arrow، ويُنقلها إلى ذاكرة GPU. تُنفّذ جميع العمليات اللاحقة (الدمج، التجميع، التصفية) بسرعة GPU عبر مكتبات cuDF، قبل إرجاع النتائج إلى CPU بتنسيق DuckDB. في اختبارات ClickBench، أظهر Sirius أداءً قياسيًا، حيث حقق أفضل أداء نسبيًا في جميع الاستعلامات، وتفوّق على الأنظمة الرائدة مثل DuckDB وUmbra. وباستخدام مُستودع NVIDIA GH200 Grace Hopper Superchip بسعر 1.5 دولار في الساعة، تفوّق Sirius على الأنظمة القائمة على CPU (بأسعار تتراوح بين 7.3 و9.8 دولار في الساعة) بـ 7.2 مرة من حيث الكفاءة التكلفة، مع تقليل وقت التنفيذ بشكل كبير. أظهرت النتائج تفوقًا ملحوظًا في استعلامات مثل q4 وq5 وq18، التي تعتمد على التصفية والدمج، بفضل التسريع المُكثف على GPU. كما تم تحسين أداء الاستعلام q28 (الاستعلام العادي باستخدام تعبيرات منتظمة) بشكل كبير من خلال استخدام إطار عمل JIT مُدمج في cuDF، الذي حقق تسريعًا بنسبة 13 مرة مقارنة بالحل المُعدّ مسبقًا، ورفع كفاءة استخدام GPU إلى 85% مقابل 32% فقط في النسخة التقليدية. تُعد هذه النتائج خطوة كبيرة نحو تعميم التسريع بـ GPU في أنظمة تحليل البيانات، مع تقليل الحاجة إلى بناء أنظمة من الصفر. تُركّز الشراكة المستقبلية على تطوير مكونات مفتوحة وقابلة للاستخدام المشترك، متوافقة مع مبادئ MICE، لتمكين تطوير محركات تحليلية مُسرّعة بـ GPU بسهولة وفعالية. يُعد Sirius مفتوح المصدر بترخيص Apache-2.0، ويدعو NVIDIA وجامعة ويسكونسن-ماديسون الباحثين والمهنيين للمساهمة في تطويره، لدفع عصر التحليلات المُسرّعة بـ GPU إلى الأمام.