Note

GPUがnumeric型のデータを処理する際、実装上の理由からこれを128bit固定少数点の内部表現に変換して処理します。（これは Apache Arrow のDecimal型と同一の形式です） これら内部表現への/からの変換は透過的に行われますが、例えば、桁数の大きなnumeric型のデータは表現する事ができないため、PG-StromはCPU側でのフォールバック処理を試みます。したがって、桁数の大きなnumeric型のデータをGPUに与えると却って実行速度が低下してしまう事になります。 これを避けるには、GUCパラメータpg_strom.enable_numeric_typeを使用してnumericデータ型を含む演算式をGPUで実行しないように設定します。

Note

GPUでは半精度浮動小数点型がハードウェアでサポートされていますが、CPU(x86_64プロセッサ)では未対応です。そのため、float2データ型をCPUで処理する場合には、これを一度floatやdouble型に変換した上で演算を行います。そのため、GPUのようにfloat2の方が演算速度で有利という事はありません。機械学習や統計解析用途にデータ量を抑制するための機能です。

Note

jsonbデータ型をGPUで処理させる場合には、次の2つの点に留意してください。 実際に参照されない属性もストレージから読み出し、GPUに転送する必要があるため、I/Oバスの利用効率は必ずしも良くないデータ型である事。データ長がTOAST化の閾値（通常は2kB弱）を越えてしまった場合、jsonbデータ全体がTOASTテーブルへ書き出されるため、GPU側では処理できず非効率なCPU-fallback処理を呼び出してしまう事。 後者の問題に対しては、テーブルのストレージオプションtoast_tuple_targetを拡大し、TOAST化の閾値を引き上げる事である程度は回避する事も可能です。