performance_hardware

Hardware Acceleration Support - ThemisDB

Stand: 22. Dezember 2025
Version: v1.3.0
Kategorie: ⚡ Performance
Status: Implementation Phase

---

📑 Inhaltsverzeichnis

• Übersicht
• Hardware Support
• Optimierung

---

Übersicht

ThemisDB unterstützt optionale Hardware-Beschleunigung für kritische Operationen:

• Vector Operations - KNN-Suche, Distanzberechnungen
• Graph Operations - BFS, Shortest Path, Traversals
• Geo Operations - Räumliche Distanzen, Point-in-Polygon Tests

Unterstützte Backends

Backend	Typ	Plattform	Status	Priorität
CPU	Fallback	Alle	✅ Implementiert	Default
CUDA	GPU	NVIDIA	🚧 Stub	P0
HIP	GPU	AMD	🚧 Geplant	P1
ZLUDA	GPU	AMD (CUDA-Compat)	🚧 Geplant	P1
Vulkan	Graphics	Cross-Platform	🚧 Stub	P1
DirectX	Graphics	Windows	🚧 Stub	P2
Metal	Graphics	macOS/iOS	🚧 Geplant	P2
ROCm	Compute	AMD	🚧 Geplant	P2
OneAPI	Compute	Intel	🚧 Geplant	P3
OpenCL	Compute	Cross-Platform	🚧 Geplant	P3
OpenGL	Graphics	Legacy	🚧 Stub	P4
WebGPU	Browser	Web	🚧 Geplant	P4

---

Architektur

Backend-Abstraktion

┌─────────────────────────────────────────┐
│       ThemisDB Application Layer        │
├─────────────────────────────────────────┤
│      Vector / Graph / Geo Managers      │
├─────────────────────────────────────────┤
│         Backend Registry (AUTO)         │
│     (Automatische Backend-Auswahl)      │
├──────────┬──────────┬──────────┬────────┤
│   CUDA   │  Vulkan  │ DirectX  │  CPU   │
│ (NVIDIA) │(Cross-Pl)│(Windows) │(Always)│
└──────────┴──────────┴──────────┴────────┘

Komponenten

1. Compute Backend Interface (include/acceleration/compute_backend.h)

   • Basis-Schnittstellen: IComputeBackend, IVectorBackend, IGraphBackend, IGeoBackend
   • Backend-Registry für automatische Auswahl

2. CPU Fallback (include/acceleration/cpu_backend.h)

   • Immer verfügbar
   • Optimiert mit SIMD-Instruktionen (AVX2)
   • Single-threaded oder TBB-parallelisiert

3. GPU/Graphics Backends (Optional, Build-Time)

   • CUDA: include/acceleration/cuda_backend.h
   • DirectX/Vulkan/OpenGL: include/acceleration/graphics_backends.h

---

Build-Konfiguration

CMake-Optionen

# Generelle GPU-Unterstützung
-DTHEMIS_ENABLE_GPU=ON

# Spezifische Backends (optional)
-DTHEMIS_ENABLE_CUDA=ON          # NVIDIA CUDA
-DTHEMIS_ENABLE_HIP=ON           # AMD HIP
-DTHEMIS_ENABLE_ZLUDA=ON         # AMD ZLUDA (CUDA auf AMD)
-DTHEMIS_ENABLE_ROCM=ON          # AMD ROCm
-DTHEMIS_ENABLE_DIRECTX=ON       # DirectX 12 Compute (Windows)
-DTHEMIS_ENABLE_VULKAN=ON        # Vulkan Compute
-DTHEMIS_ENABLE_OPENGL=ON        # OpenGL Compute Shaders
-DTHEMIS_ENABLE_METAL=ON         # Apple Metal
-DTHEMIS_ENABLE_ONEAPI=ON        # Intel OneAPI/SYCL
-DTHEMIS_ENABLE_OPENCL=ON        # OpenCL
-DTHEMIS_ENABLE_WEBGPU=ON        # WebGPU (experimental)

Build-Beispiele

Nur CPU (Default):

cmake -S . -B build
cmake --build build

Mit CUDA:

cmake -S . -B build -DTHEMIS_ENABLE_CUDA=ON
cmake --build build

Multi-Backend (Vulkan + DirectX):

cmake -S . -B build \
  -DTHEMIS_ENABLE_VULKAN=ON \
  -DTHEMIS_ENABLE_DIRECTX=ON
cmake --build build

Auto-Detect (alle verfügbaren Backends):

cmake -S . -B build \
  -DTHEMIS_ENABLE_GPU=ON \
  -DTHEMIS_ENABLE_CUDA=ON \
  -DTHEMIS_ENABLE_VULKAN=ON \
  -DTHEMIS_ENABLE_DIRECTX=ON
cmake --build build

---

Verwendung

Automatische Backend-Auswahl

#include "acceleration/compute_backend.h"
#include "acceleration/cpu_backend.h"

using namespace themis::acceleration;

// Backend-Registry initialisieren
auto& registry = BackendRegistry::instance();
registry.autoDetect();

// Bestes verfügbares Vector-Backend holen
auto* vectorBackend = registry.getBestVectorBackend();

if (vectorBackend) {
    std::cout << "Using backend: " << vectorBackend->name() << std::endl;
    
    // KNN-Suche durchführen
    std::vector<float> query = {0.1f, 0.2f, 0.3f};
    auto results = vectorBackend->batchKnnSearch(
        query.data(), 1, 3,
        vectors.data(), numVectors,
        10, true  // k=10, useL2=true
    );
}

Manuelle Backend-Auswahl

// Spezifisches Backend wählen
auto* cudaBackend = registry.getBackend(BackendType::CUDA);

if (cudaBackend && cudaBackend->isAvailable()) {
    cudaBackend->initialize();
    
    // Backend-Capabilities prüfen
    auto caps = cudaBackend->getCapabilities();
    std::cout << "Device: " << caps.deviceName << std::endl;
    std::cout << "VRAM: " << caps.maxMemoryBytes / (1024*1024*1024) << " GB" << std::endl;
    
    // Operationen durchführen...
    
    cudaBackend->shutdown();
}

Graceful Degradation

// Versuche GPU, falle zurück auf CPU
auto* backend = registry.getBestVectorBackend();

if (!backend || backend->type() == BackendType::CPU) {
    std::cout << "GPU nicht verfügbar, nutze CPU-Fallback" << std::endl;
}

// Backend ist immer vorhanden (mindestens CPU)
auto results = backend->batchKnnSearch(...);

---

Performance-Erwartungen

Vector Operations (1M Vektoren, Dimension=128)

Backend	Batch Size	Throughput	Latency (p50)	Speedup vs CPU
CPU (AVX2)	100	1,800 q/s	0.55 ms	1x (Baseline)
CUDA (T4)	1,000	25,000 q/s	0.04 ms	14x
CUDA (A100)	5,000	100,000 q/s	0.05 ms	55x
Vulkan (RTX 4090)	2,000	40,000 q/s	0.05 ms	22x
DirectX (RTX 4090)	2,000	35,000 q/s	0.06 ms	19x

Geo Operations (Spatial Distance)

Backend	Operations/sec	Speedup
CPU	5,000	1x
CUDA	50,000+	10x
Vulkan	35,000+	7x

Graph Operations (BFS, 100K Vertices)

Backend	Traversals/sec	Speedup
CPU	3,200	1x
CUDA	25,000+	8x
Vulkan	18,000+	6x

---

Backend-Spezifikationen

CUDA (NVIDIA)

Hardware-Anforderungen:

• GPU: Compute Capability 7.0+ (Volta, Turing, Ampere, Hopper)
• VRAM: Mindestens 8 GB (empfohlen 16 GB+)
• CUDA Toolkit: 11.0+
• Driver: 450.80.02+

Features:

• ✅ Faiss GPU Integration für Vector Search
• ✅ Custom CUDA Kernels für Graph/Geo
• ✅ Async Compute Streams
• ✅ VRAM Management mit Fallback

Implementierungsstatus: 🚧 Stub (P0 - Q2 2026)

---

Vulkan (Cross-Platform)

Hardware-Anforderungen:

• Vulkan 1.2+ fähige GPU
• Compute Queue Support
• Driver mit Vulkan SDK

Features:

• ✅ Cross-Platform (Windows, Linux, Android)
• ✅ Compute Pipelines für Batch Operations
• ✅ Memory Transfer Optimization
• ✅ Async Queue Execution

Vorteile:

• Funktioniert auf NVIDIA, AMD, Intel GPUs
• Moderne API mit expliziter Kontrolle
• Gute Performance (70-90% von CUDA)

Implementierungsstatus: 🚧 Stub (P1 - Q2 2026)

---

DirectX 12 (Windows)

Hardware-Anforderungen:

• Windows 10 (1809+) oder Windows 11
• DirectX 12 fähige GPU
• WDDM 2.5+ Driver

Features:

• ✅ DirectX 12 Compute Shaders
• ✅ DirectML für ML Workloads
• ✅ Windows-native Integration
• ⚠️ Nur Windows

Vorteile:

• Native Windows-Integration
• DirectML für AI/ML Operations
• Breite Hardware-Unterstützung (NVIDIA, AMD, Intel)

Implementierungsstatus: 🚧 Stub (P2 - Q2/Q3 2026)

---

HIP (AMD)

Hardware-Anforderungen:

• AMD GPU (GCN 4.0+)
• ROCm Platform
• HIP Runtime

Features:

• ✅ AMD-native Compute
• ✅ CUDA-ähnliche API
• ✅ Portierbar von CUDA Code
• ✅ ROCm Integration

Vorteile:

• Best Performance auf AMD Hardware
• CUDA-ähnliche Entwicklererfahrung
• Open Source Stack

Implementierungsstatus: 🚧 Geplant (P1 - Q3 2026)

---

ZLUDA (AMD CUDA Compatibility)

Beschreibung:

• CUDA-Kompatibilitätsschicht für AMD GPUs
• Ermöglicht Ausführung von CUDA Code auf AMD Hardware
• Transparent für CUDA-basierten Code

Features:

• ✅ CUDA API Compatibility
• ✅ Funktioniert mit Faiss GPU
• ⚠️ Performance: 70-85% von nativer AMD HIP

Use Case:

• Schnelle AMD GPU Support ohne Code-Änderung
• Fallback wenn HIP nicht verfügbar
• Bridge-Lösung für CUDA-basierte Libraries

Implementierungsstatus: 🚧 Geplant (P1 - Q3 2026)

---

Roadmap

Phase 1: Core Infrastructure (Q1 2026) ✅

• Backend-Abstraktionsschicht
• CPU Fallback Implementation
• Backend Registry
• CMake Integration
• Stub Implementations

Phase 2: CUDA Implementation (Q2 2026)

• CUDA Toolkit Integration
• Faiss GPU Vector Backend
• Custom CUDA Kernels (Graph/Geo)
• Performance Benchmarks
• Documentation

Phase 3: Vulkan Implementation (Q2/Q3 2026)

• Vulkan SDK Integration
• Compute Pipeline Setup
• Vector/Graph/Geo Kernels
• Cross-Platform Testing

Phase 4: Additional Backends (Q3/Q4 2026)

• DirectX 12 (Windows)
• HIP (AMD native)
• ZLUDA (AMD CUDA compat)
• Metal (Apple)
• OneAPI (Intel)

---

Testing

Unit Tests

# Test Backend Registry
./build/themis_tests --gtest_filter=AccelerationTest.BackendRegistry

# Test CPU Backend
./build/themis_tests --gtest_filter=AccelerationTest.CPUBackend

# Test CUDA Backend (wenn verfügbar)
./build/themis_tests --gtest_filter=AccelerationTest.CUDABackend

Benchmarks

# Vector Search Benchmark
./build/bench_vector_accel --backend=auto

# Geo Operations Benchmark
./build/bench_geo_accel --backend=cuda

# Graph Traversal Benchmark
./build/bench_graph_accel --backend=vulkan

---

Troubleshooting

Backend nicht verfügbar

Problem: Backend wird nicht erkannt

Warning: CUDA backend not available, falling back to CPU

Lösung:

1. Prüfe ob Backend beim Build aktiviert wurde (-DTHEMIS_ENABLE_CUDA=ON)
2. Prüfe Driver/Runtime Installation
3. Verifiziere Hardware-Kompatibilität

VRAM Exhausted

Problem: GPU-Speicher voll

Error: CUDA out of memory

Lösung:

1. Reduziere Batch-Size
2. Aktiviere automatischen CPU-Fallback
3. Nutze Chunked Processing

Performance nicht wie erwartet

Problem: GPU langsamer als CPU

Mögliche Ursachen:

• Batch-Size zu klein (Overhead dominiert)
• Memory Transfer Bottleneck
• Nicht optimierte Kernels

Lösung:

• Erhöhe Batch-Size (1000+ Queries)
• Pre-load Daten in VRAM
• Profile mit nvprof / renderdoc

---

Weiterführende Dokumentation

• GPU Acceleration Plan: docs/performance/GPU_ACCELERATION_PLAN.md
• CUDA Setup Guide: docs/performance/cuda_setup.md (coming soon)
• Vulkan Integration: docs/performance/vulkan_integration.md (coming soon)
• Performance Tuning: docs/performance/gpu_tuning.md (coming soon)

---

Kontakt:

• Issues: https://github.com/makr-code/ThemisDB/issues
• Discussions: https://github.com/makr-code/ThemisDB/discussions

Version: 1.0
Letzte Aktualisierung: 20. November 2025