在当今的 IoT 和智能制造领域，海量时序数据持续产生，对于这些数据的实时存储、高效查询和分析已经成为时序数据库（Time Series Database，TSDB）的核心竞争力。作为一款高性能的时序数据库，TDengine 不仅采用了先进数据处理算法，还在 3.2.3.0 版本引入了英特尔® AVX512 高级向量扩展指令集，实现并行处理数据，产品查询性能获得了进一步提升。本篇文章将深入介绍 TDengine 与 AVX512 集成的优化工作。
TDengine 与 AVX-512 集成原理
作为一种单指令多数据（Single Instruction Multiple Data，SIMD）指令集，英特尔® AVX-512 在密集型计算负载中有着得天独厚的优势。得益于其 512 位的寄存器宽度和两个 512 位的融合乘加（Fused Multiply Add，FMA）单元，该指令集能并行执行 32 次双精度、64 次单精度浮点运算，或操作 8 个 64 位和 16 个 32 位整数，极大地提升了数据的处理能力。
时序数据中存在大量相似数据，而 TDengine 对时序数据的处理流程是一致的。对于这些无前后依赖性的时序数据，采用 AVX512 并行处理数据可以显著提升系统性能。特别是在 TDengine 进行数据平均值查询时，由于符合数据并行化特点，引入 AVX512 技术可有效提升性能。
为了节省数据存储空间，TDengine 在数据存储前会进行编码处理，去除数据中的冗余，并进行压缩，从而使最终存储的数据占用空间大大减少。而数据平均值的查询过程则是相反的，需要对存储的数据进行解码和计算。如下图所示：
其中算法 Simple8B、ZigZag、Delta of Delta 可以通过 AVX512 进行优化。
- Simple8B 的 AVX512 优化
如果要将相同长度的数据使用 Simple8B 存储在一个 64bit 空间中，例如每个有效数据占用 3bit，在 64bit 内，索引占用 4bit，剩下的 60bit 可以存储 20 个 3bit 的有效数据。在解码过程中，传统的方法是将每个有效的 3bit 数据逐个加载到 32bit 变量中，然后进行处理，这将需要进行 20 次处理。
而使用 AVX512 指令，可以一次并行将 8 个 3bit 的数据变换成 32bit 的数据，这样我们用很少的次数就可以处理完所有数据，大大提升了系统性能。如下图，payload 是 64bit 的 simple8B 数据，使用 AVX512 指令，通过并行同步移位和掩码的方式，一次提取出 8 个有效数据，并装载在 512bit 的寄存器里（32bit x 8），为 ZigZag 算法提供数据输入。
- ZigZag 算法的 AVX512 优化
通过 AVX512 的指令，替代了之前的 8 次相同的循环操作，实现了一次并行处理 8 个数据，利用减法和移位异或操作，将数据还原成 ZigZag 编码前的数值。在优化后，只用了很少的 AVX512 指令，就实现了循环多次才能获得的结果，极大的减少了指令数，提升了系统的性能。
AVX512 的编译环境和运行环境
为了充分利用 AVX512 指令集，建议使用 gcc 版本 9 以上的编译器进行编译，以获得更完善的 AVX512 指令支持。在运行时，应检查 CPU 是否支持 AVX512 指令，只有在支持 AVX512 的 CPU 上运行 AVX512 指令，才能做到和其他非 AVX512 的 CPU 的代码兼容。
总而言之，通过利用英特尔® AVX512 高级向量扩展指令，TDengine 成功优化了数据处理算法，提升了时序数据库的性能。特别是针对 Simple8B 和 ZigZag 算法的优化，让时序数据的处理得以实现更高效的并行计算，通过一次性处理多个数据，减少了指令数，显著提升了系统的性能表现。
开启 AVX512 指令集优化以后，在 TDengine 新版本 3.2.3.0 上，解码整数类型数据的性能是软件解码性能的 1.82 倍，是 AVX2 指令集解码性能的 1.28 倍。这些优化措施也让 TDengine 在处理海量数据的查询和分析过程中更加高效，为实时应用场景提供了更强大的支持。
注：AVX指令集支持的开启，需要用户自己编译代码并打开配置开关。具体操作可以联系 TDengine 官方团队。
特别鸣谢：在本次 TDengine 与 AVX512 的优化集成工作中，英特尔数据中心与人工智能事业部的高级软件架构师蒋锴，凭借专业知识和技术能力，积极推动着优化工作的进展，为 TDengine 的发展贡献着重要的力量。
PR 链接：https://github.com/taosdata/TDengine/pull/24682
