NVIDIA与威斯康星大学麦迪逊分校合作，推出基于GPU加速的开源数据处理引擎Sirius，成功在ClickBench基准测试中创下新纪录。Sirius是为DuckDB打造的GPU原生执行后端，通过复用DuckDB成熟的查询解析、优化器和扫描算子等核心模块，同时利用NVIDIA CUDA-X库实现GPU加速，实现了高效、低侵入式的性能提升。 Sirius作为DuckDB的扩展，无需修改其代码库，仅需少量接口调整即可实现“即插即用”的GPU加速。它接收DuckDB优化后的查询计划，以Substrait通用格式进行交互，确保与多种数据系统兼容。在执行过程中，Sirius将表扫描结果从DuckDB格式转换为与Apache Arrow对齐的GPU数据格式，并通过零拷贝方式映射到cuDF的table结构，使后续的聚合、投影、连接等SQL操作在GPU上以cuDF原语高速执行。计算完成后，结果再回传至CPU，转换为DuckDB标准输出格式，用户获得极致速度与一致体验。 在Lambda Labs的NVIDIA GH200 Grace Hopper超级芯片实例（每小时1.5美元）上，Sirius的性能远超其他系统。与AWS上价格更高（7.3至9.8美元/小时）的CPU实例相比，Sirius在ClickBench测试中不仅跑出最低的相对运行时间，更实现至少7.2倍的成本效益提升。在多数查询中，如q4、q5和q18，Sirius凭借GPU并行能力在过滤、投影和聚合操作上表现突出。 针对复杂查询q28（正则表达式匹配），Sirius采用cuDF的JIT编译字符串转换框架，将正则操作分解为标准字符串操作，融合成单一高效内核，实现13倍性能提升，GPU线程束利用率从32%提升至85%，显著优化了资源利用。 未来，NVIDIA与威斯康星大学将围绕“模块化、可互操作、可组合、可扩展”（MICE）原则，开发通用GPU数据处理基础组件，推动整个开源生态的GPU化演进。Sirius以Apache-2.0开源协议发布，欢迎全球研究者与开发者共同参与，共建GPU时代下的新一代数据分析基础设施。