怎样让国产芯片性能超越Intel
做一次标题党，其实我们做软件的当然没办法改变芯片的性能，也不可能真地让国产芯片超越Intel。
这个话题从去年做过的一次性能测试说起，先看测试结果：
【注】SPL是润乾集算器采用的程序设计语言；SQL是关系数据库采用的程序设计语言
这些题目原本是某大用户在选型数据库时用于评测性能的。给定了数据（结构和规模）和SQL，在同样的硬件环境下让各家数据库都跑一下，看谁的速度最快。
我们从中选择了几个耗时最长的SQL，再做了少量补充。然后准备了两组集群，一组用Intel芯片，另一组用国产飞腾芯片，安装好分布式数据库和集算器，并在数据库中生成测试数据。
1.用SQL在数据库中执行，记录时长；
2.将SQL改写成SPL（这有些工作量，涉及到算法更改），但仍读取数据库中数据计算，记录时长；
3.将数据导出到文件，使用集算器特有的组表格式存储，再改写SPL（更换数据源，使用组表数据源会比使用数据库源更简单）计算，记录时长；
然后就得到了上面那个测试结果表。
还有几点说明：
1.我们刻意选择了一些在原评测中耗时最长的SQL（几乎都>1小时），所以这里看到的数据库上跑SQL的性能都较差；原测试中也有几条能跑得很快的SQL，但这里没有选用。
2.原评测中要求只要返回第一批数据即可，不需要返回全部结果集，这里延用了此规则，但我们补充了一些题目，在其中确保必须把涉及数据全部遍历到才可能计算出结果（比如增加GROUP BY和ORDER BY），这样可以更有效地测试遍历性能。
3.飞腾上数据库的运算性能和Intel上差不多，也不是关注重点，没有再列出了。
4.前两题用SPL读数据库的性能已经非常好，所以没再做读文件的测试了。
从测试结果可以看出：
1.在Intel机上，用SPL读文件的计算性能远远超过数据库用SQL的计算性能，即使用SPL读数据库运算也常常能获得比在数据库中用SQL好得多的性能，这还是在付出了数据库IO成本的代价之后的结果。
2.在飞腾上的SPL读文件的计算性能也远远超过在Intel上数据库的计算性能，在飞腾上用SPL读数据库也比Intel上的纯数据库计算有优势。
那么，SPL是怎么做到高性能的？
就是我们常说的办法，SPL可以采用更高性能的算法，而SQL不可以。
这些题目都不是非常简单的两三行SQL，基本都带有子查询或较多表的JOIN。在充分理解数据特征之后，我们可以设计出更低成本的算法，把运算复杂度降低一个到几个数量级。在这里主要是对有序的利用，SPL的理论体系是基于有序集合的，可以充分利用数据有序的特征来提高性能，而SQL就很难利用这一点，即使知道有好办法优化也无法实施。
这篇文章里不合适解释每个问题的算法了，我们以后会写文章再披露详细的测试过程与算法说明。这里有一篇对前两题的算法解析http://c.raqsoft.com.cn/article/1545662863743?r=279400248。（其中有个SPL跑得也不快的场景就没有写到测试结果表里了:)）
现在可以解释标题中说的怎样让国产芯片性能超越Intel了，芯片本身的性能并没有超越，超越的是算法。具体来说，就是用SPL在低性能芯片上跑高性能算法，能超越SQL在高性能芯片上跑低性能算法。而用SPL在Intel芯片上跑高性能算法，当然还能获得比飞腾更好的性能。
就我们的工作经验来看，绝大多数的数据仓库运算都可以获得这种优化。只要写出的SQL够长够复杂，基本都有不少可优化的环节。如果我们用SPL来重构数据仓库，就可能把现有运算性能再提高一个数量级。
这个测试结果表上还可以看出两个结论：
1.读数据库显然比读文件的性能要差很多。这是因为数据库IO成本很高，而且很难做高效的压缩。要想获得最高性能，尽量不要把数据存到数据库中。象我们在另一篇文章《数据库的封闭性》中说的，未来的数据仓库不必要有“库”这么个形式。
2.飞腾上SPL的性能并没有比Intel差出数量级（传说飞腾落后5年，按摩尔定律，差不多有一个数量级）。数据密集型的计算性能，起决定性作用的常常是硬盘和内存，而不是CPU。我不知道这组设备的飞腾芯片到底和Intel差多少，但即使有差距，也不会造成整体性能上数量级的下降，做好存储方面的优化要比CPU重要。