問題的答案無所不包論文書籍站
SQL JOIN on的問題，透過圖書和論文來找解法和答案更準確安心。 我們找到下列各種有用的問答集和懶人包
SQL JOIN on的問題，我們搜遍了碩博士論文和台灣出版的書籍，推薦Krogh, Jesper Wisborg寫的 MySQL 8 Query Performance Tuning: A Systematic Method for Improving Execution Speeds 和張偉洋的 Hadoop大數據技術開發實戰都 可以從中找到所需的評價。
另外網站SQL UPDATE JOIN. 話不多說 - Medium也說明：目標是將B 表的name 更新到A 表的name，這時候就會用到update join 的技巧。 由於MySql 跟MSSQL語法不同，因此分開來說明 //MySQL:UPDATE A INNER ...
這兩本書分別來自 和清華大學所出版 。
國立中央大學 土木工程學系 黃智遠所指導 葉庭宇的 具擴展性之多屬性IoT RESTful服務資料管理解決方案 （2021），提出SQL JOIN on關鍵因素是什麼，來自於鍵值對儲存、組合索引、多維度資料、物聯網、RESTful 服務。
而第二篇論文國立陽明交通大學 電子研究所 賴伯承所指導 林博彥的 高平行細粒度Sort-Merge Join演算法於近記憶體平台研究 （2021），提出因為有 大數據運算、近記憶體運算架構、排序合併運算、數據庫查詢運算、Q100、SQL的重點而找出了 SQL JOIN on的解答。
最後網站SQL语句中left join 后用on 还是where，区别大了！則補充：前天写SQL时本想通过A left B join on and 后面的条件来使查出的两条记录变成一条，奈何发现还是有两条。 后来发现join on and 不会过滤结果记录条 ...
MySQL 8 Query Performance Tuning: A Systematic Method for Improving Execution Speeds
A PHP Error was encountered
Severity: Warning
Message: file_put_contents(/var/www/html/prints/public/images/books_new/F01/575/57/F015757905.jpg): failed to open stream: Permission denied
Filename: helpers/global_helper.php
Line Number: 140
Backtrace:
File: /var/www/html/prints/application/helpers/global_helper.php
Line: 140
Function: file_put_contents
File: /var/www/html/prints/application/views/article_v2.php
Line: 144
Function: coverWebp_online
File: /var/www/html/prints/application/controllers/Pages.php
Line: 662
Function: view
File: /var/www/html/prints/public/index.php
Line: 319
Function: require_once
A PHP Error was encountered
Severity: Warning
Message: getimagesize(/var/www/html/prints/public/images/books_new/F01/575/57/F015757905.jpg): failed to open stream: No such file or directory
Filename: helpers/global_helper.php
Line Number: 62
Backtrace:
File: /var/www/html/prints/application/helpers/global_helper.php
Line: 62
Function: getimagesize
File: /var/www/html/prints/application/helpers/global_helper.php
Line: 142
Function: coverWebp
File: /var/www/html/prints/application/views/article_v2.php
Line: 144
Function: coverWebp_online
File: /var/www/html/prints/application/controllers/Pages.php
Line: 662
Function: view
File: /var/www/html/prints/public/index.php
Line: 319
Function: require_once
A PHP Error was encountered
Severity: Notice
Message: Trying to access array offset on value of type bool
Filename: helpers/global_helper.php
Line Number: 64
Backtrace:
File: /var/www/html/prints/application/helpers/global_helper.php
Line: 64
Function: _error_handler
File: /var/www/html/prints/application/helpers/global_helper.php
Line: 142
Function: coverWebp
File: /var/www/html/prints/application/views/article_v2.php
Line: 144
Function: coverWebp_online
File: /var/www/html/prints/application/controllers/Pages.php
Line: 662
Function: view
File: /var/www/html/prints/public/index.php
Line: 319
Function: require_once
A PHP Error was encountered
Severity: Notice
Message: Trying to access array offset on value of type bool
Filename: helpers/global_helper.php
Line Number: 66
Backtrace:
File: /var/www/html/prints/application/helpers/global_helper.php
Line: 66
Function: _error_handler
File: /var/www/html/prints/application/helpers/global_helper.php
Line: 142
Function: coverWebp
File: /var/www/html/prints/application/views/article_v2.php
Line: 144
Function: coverWebp_online
File: /var/www/html/prints/application/controllers/Pages.php
Line: 662
Function: view
File: /var/www/html/prints/public/index.php
Line: 319
Function: require_once
A PHP Error was encountered
Severity: Notice
Message: Trying to access array offset on value of type bool
Filename: helpers/global_helper.php
Line Number: 68
Backtrace:
File: /var/www/html/prints/application/helpers/global_helper.php
Line: 68
Function: _error_handler
File: /var/www/html/prints/application/helpers/global_helper.php
Line: 142
Function: coverWebp
File: /var/www/html/prints/application/views/article_v2.php
Line: 144
Function: coverWebp_online
File: /var/www/html/prints/application/controllers/Pages.php
Line: 662
Function: view
File: /var/www/html/prints/public/index.php
Line: 319
Function: require_once
為了解決SQL JOIN on 的問題，作者Krogh, Jesper Wisborg 這樣論述：
Identify, analyze, and improve poorly performing queries that damage user experience and lead to lost revenue for your business. This book will help you make query tuning an integral part of your daily routine through a multi-step process that includes monitoring of execution times, identifying cand
idate queries for optimization, analyzing their current performance, and improving them to deliver results faster and with less overhead. Author Jesper Krogh systematically discusses each of these steps along with the data sources and the tools used to perform them. MySQL 8 Query Performance Tuning
aims to help you improve query performance using a wide range of strategies. You will know how to analyze queries using both the traditional EXPLAIN command as well as the new EXPLAIN ANALYZE tool. You also will see how to use the Visual Explain feature to provide a visually-oriented view of an exec
ution plan. Coverage of indexes includes indexing strategies and index statistics, and you will learn how histograms can be used to provide input on skewed data distributions that the optimizer can use to improve query performance. You will learn about locks, and how to investigate locking issues. A
nd you will come away with an understanding of how the MySQL optimizer works, including the new hash join algorithm, and how to change the optimizer's behavior when needed to deliver faster execution times. You will gain the tools and skills needed to delight application users and to squeeze the mos
t value from corporate computing resources. What You Will LearnMonitor query performance to identify poor performersChoose queries to optimize that will provide the greatest gainAnalyze queries using tools such as EXPLAIN ANALYZE and Visual ExplainImprove slow queries through a wide range of strateg
iesProperly deploy indexes and histograms to aid in creating fast execution plansUnderstand and analyze locks to resolve contention and increase throughputWho This Book Is ForDatabase administrators and SQL developers who are familiar with MySQL and need to participate in query tuning. While some ex
perience with MySQL is required, no prior knowledge of query performance tuning is needed. Jesper Wisborg Krogh has worked with MySQL databases since 2006 both as an SQL developer, a database administrator, and for more than eight years as part of the Oracle MySQL Support team. He has spoken at M
ySQL Connect and Oracle OpenWorld on several occasions, and addition to his books, he regularly blogs on MySQL topics and has authored around 800 documents in the Oracle Knowledge Base. He has contributed to the sys schema and four Oracle Certified Professional (OCP) exams for MySQL 5.6 to 8.0.He ea
rned a PhD in computational chemistry before changing to work with MySQL and other software development in 2006. Jesper lives in Sydney, Australia, and enjoys spending time outdoors walking, traveling, and reading. His areas of expertise include MySQL Cluster, MySQL Enterprise Backup, performance tu
ning, and the Performance and sys schemas.
具擴展性之多屬性IoT RESTful服務資料管理解決方案
為了解決SQL JOIN on 的問題，作者葉庭宇 這樣論述：
物聯網(Internet of Things, IoT)由各種嵌入式裝置組成，持續生成大量的感測器觀測數據。然而，隨著物聯網技術近年的蓬勃發展，物聯網面臨嚴重的異質性問題，不同開發者設計各種專有的資料模型或服務協定，造成物聯網資源水平整合的困難。為從根源解決此問題，遵循物聯網開放式標準為有效的方案，例如開放地理空間聯盟(Open Geospatial Consortium, OGC)之SensorThings API(STA)。 STA不僅針對物聯網定義了完整且通用的資料模型以描述其屬性及關係的複雜性，亦提供RESTful服務介面以直覺且有彈性的方式訪問物聯網資源。為了管理資料屬性之間的關係
，許多STA的實作使用關聯式資料庫(relational database, RDB)管理物聯網資料，例如FROST Server，GOST和Mozilla STA。然而，RDB在管理大量的多維度資料時面臨嚴重的資料插入及查詢效能下降問題。因此，本研究提出了一種針對STA服務的可擴展且高效的多維物聯網資料管理解決方案。具體來說，我們使用MongoDB為資料儲存系統，MongoDB為分散式文檔資料庫，並支持類似於RDB的關係連接功能。為了提高查詢大量多維物聯網資料的性能，我們應用了過往研究提出之自適應多屬性索引框架(Adaptive Multi-Attribute Indexing Framew
ork, AMAIF)解決方案。在實驗中，我們對提出的STA實作進行壓力測試並與其他的STA實作進行了比較。結果表明在單純的多維度資料查詢中，所提出之系統有效增進查詢響應的速度。且在資料擴展性方面，得益於鍵值對儲存的優勢，可快速地插入大量資料且簡單地分割與擴充儲存空間，以上兩點足見本系統對於多維度資料的管理與查詢的效益。
Hadoop大數據技術開發實戰
為了解決SQL JOIN on 的問題，作者張偉洋 這樣論述：
本書以Hadoop及其周邊框架為主線，介紹了整個Hadoop生態系統主流的大資料開發技術。全書共16章，第1章講解了VMware中CentOS 7作業系統的安裝；第2章講解了大資料開發之前對作業系統集群環境的配置；第3~16章講解了Hadoop生態系統各框架HDFS、MapReduce、YARN、ZooKeeper、HBase、Hive、Sqoop和資料即時處理系統Flume、Kafka、Storm、Spark以及分散式搜索系統Elasticsearch等的基礎知識、架構原理、集群環境搭建，同時包括常用的Shell命令、API操作、源碼剖析，並通過實際案例加深對各個框架的理解與應用。通過閱讀本
書，讀者即使沒有任何大資料基礎，也可以對照書中的步驟成功搭建屬於自己的大資料集群並獨立完成專案開發。 本書可作為Hadoop新手入門的指導書，也可作為大資料開發人員的隨身手冊以及大資料從業者的參考用書。 張偉洋 畢業于中國地質大學計算機科學與技術專業，先後就職于知名互聯網公司百度、慧聰網，任Java高級軟體工程師，互聯網旅遊公司任軟體研發事業部技術經理。目前供職于青島英穀教育科技股份有限公司，任大資料項目目講師，為數十所高校先後舉行多次大資料專題講座，對Hadoop及周邊框架ZooKeeper、Hive、HBase、Storm、Spark等有深入的研究。高等院校雲計算與大
資料專業課改教材《雲計算與大資料概論》《大資料開發與應用》的主要編寫者，百度文庫、百度閱讀簽約作者。 第1章 VMware中安裝CentOS 7 1 1.1 下載CENTOS 7鏡像文件 1 1.2 新建虛擬機器 5 1.3 安裝作業系統 9 第2章 CentOS 7集群環境配置 16 2.1 系統環境配置 16 2.1.1 新建用戶 17 2.1.2 修改用戶許可權 17 2.1.3 關閉防火牆 17 2.1.4 設置固定IP 18 2.1.5 修改主機名稱 22 2.1.6 新建資原始目錄 23 2.2 安裝JDK 23 2.3 克隆虛擬機
器 25 2.4 配置主機IP映射 29 第3章 Hadoop 31 3.1 HADOOP簡介 31 3.1.1 Hadoop生態系統架構 32 3.1.2 Hadoop 1.x與2.x的架構對比 33 3.2 YARN基本架構及組件 34 3.3 YARN工作流程 37 3.4 配置集群各節點SSH無金鑰登錄 38 3.4.1 無金鑰登錄原理 38 3.4.2 無金鑰登錄操作步驟 39 3.5 搭建HADOOP 2.X分散式集群 41 第4章 HDFS 48 4.1 HDFS簡介 48 4.1.1 設計目標 49 4.1.2 總體架構 49 4.1.3 主
要組件 50 4.1.4 文件讀寫 53 4.2 HDFS命令列操作 54 4.3 HDFS WEB介面操作 57 4.4 HDFS JAVA API操作 59 4.4.1 讀取數據 59 4.4.2 創建目錄 61 4.4.3 創建文件 62 4.4.4 刪除檔 63 4.4.5 遍歷檔和目錄 64 4.4.6 獲取檔或目錄的中繼資料 65 4.4.7 上傳本地檔 66 4.4.8 下載檔案到本地 66 第5章 MapReduce 68 5.1 MAPREDUCE簡介 68 5.1.1 設計思想 69 5.1.2 任務流程 70 5.1.3 工作原理 71
5.2 MAPREDUCE程式編寫步驟 74 5.3 案例分析：單詞計數 76 5.4 案例分析：數據去重 82 5.5 案例分析：求平均分 86 5.6 案例分析：二次排序 89 5.7 使用MRUNIT測試MAPREDUCE程式 97 第6章 ZooKeeper 100 6.1 ZOOKEEPER簡介 100 6.1.1 應用場景 101 6.1.2 架構原理 101 6.1.3 資料模型 102 6.1.4 節點類型 103 6.1.5 Watcher機制 103 6.1.6 分散式鎖 105 6.2 ZOOKEEPER安裝配置 106 6.2.1 單
機模式 106 6.2.2 偽分佈模式 108 6.2.3 集群模式 109 6.3 ZOOKEEPER命令列操作 112 6.4 ZOOKEEPER JAVA API操作 114 6.4.1 創建Java工程 114 6.4.2 創建節點 115 6.4.3 修改資料 118 6.4.4 獲取資料 118 6.4.5 刪除節點 123 6.5 案例分析：監聽伺服器動態上下線 124 第7章 HDFS與YARN HA 129 7.1 HDFS HA搭建 129 7.1.1 架構原理 130 7.1.2 搭建步驟 131 7.1.3 結合ZooKeeper進行HD
FS自動容錯移轉 137 7.2 YARN HA搭建 142 7.2.1 架構原理 142 7.2.2 搭建步驟 142 第8章 HBase 147 8.1 什麼是HBASE 147 8.2 HBASE基本結構 148 8.3 HBASE資料模型 149 8.4 HBASE集群架構 151 8.5 HBASE安裝配置 153 8.5.1 單機模式 153 8.5.2 偽分佈模式 155 8.5.3 集群模式 156 8.6 HBASE SHELL命令操作 160 8.7 HBASE JAVA API操作 164 8.7.1 創建Java工程 164 8.7.2
創建表 164 8.7.3 添加數據 166 8.7.4 查詢資料 168 8.7.5 刪除資料 169 8.8 HBASE篩檢程式 170 8.9 案例分析：HBASE MAPREDUCE資料轉移 174 8.9.1 HBase不同表間資料轉移 174 8.9.2 HDFS資料轉移至HBase 180 8.10 案例分析：HBASE資料備份與恢復 183 第9章 Hive 185 9.1 什麼是HIVE 185 9.1.1 資料單元 186 9.1.2 資料類型 187 9.2 HIVE架構體系 189 9.3 HIVE三種運行模式 190 9.4 HIVE
安裝配置 191 9.4.1 內嵌模式 192 9.4.2 本地模式 195 9.4.3 遠端模式 198 9.5 HIVE常見屬性配置 200 9.6 BEELINE CLI的使用 201 9.7 HIVE資料庫操作 205 9.8 HIVE表操作 208 9.8.1 內部表 209 9.8.2 外部表 213 9.8.3 分區表 215 9.8.4 分桶表 219 9.9 HIVE查詢 223 9.9.1 SELECT子句查詢 224 9.9.2 JOIN連接查詢 230 9.10 其他HIVE命令 233 9.11 HIVE中繼資料表結構分析 235 9.
12 HIVE自訂函數 237 9.13 HIVE JDBC操作 239 9.14 案例分析：HIVE與HBASE整合 242 9.15 案例分析：HIVE分析搜狗使用者搜索日誌 246 第10章 Sqoop 251 10.1 什麼是SQOOP 251 10.1.1 Sqoop基本架構 252 10.1.2 Sqoop開發流程 252 10.2 使用SQOOP 253 10.3 資料導入工具 254 10.4 資料匯出工具 259 10.5 SQOOP安裝與配置 261 10.6 案例分析：將MYSQL表數據導入到HDFS中 262 10.7 案例分析：將HDFS
中的資料匯出到MYSQL中 263 10.8 案例分析：將MYSQL表數據導入到HBASE中 264 第11章 Kafka 267 11.1 什麼是KAFKA 267 11.2 KAFKA架構 268 11.3 主題與分區 269 11.4 分區副本 271 11.5 消費者組 273 11.6 資料存儲機制 274 11.7 集群環境搭建 276 11.8 命令列操作 278 11.8.1 創建主題 278 11.8.2 查詢主題 279 11.8.3 創建生產者 280 11.8.4 創建消費者 280 11.9 JAVA API操作 281 11.9.1
創建Java工程 281 11.9.2 創建生產者 281 11.9.3 創建消費者 283 11.9.4 運行程式 285 11.10 案例分析：KAFKA生產者攔截器 287 第12章 Flume 294 12.1 什麼是FLUME 294 12.2 架構原理 295 12.2.1 單節點架構 295 12.2.2 組件介紹 296 12.2.3 多節點架構 297 12.3 安裝與簡單使用 299 12.4 案例分析：日誌監控（一） 302 12.5 案例分析：日誌監控（二） 304 12.6 攔截器 306 12.6.1 內置攔截器 307 12.6.
2 自訂攔截器 310 12.7 選擇器 313 12.8 案例分析：攔截器和選擇器的應用 315 12.9 案例分析：FLUME與KAFKA整合 319 第13章 Storm 322 13.1 什麼是STORM 322 13.2 STORM TOPOLOGY 323 13.3 STORM集群架構 324 13.4 STORM流分組 326 13.5 STORM集群環境搭建 329 13.6 案例分析：單詞計數 332 13.6.1 設計思路 332 13.6.2 代碼編寫 333 13.6.3 程式運行 339 13.7 案例分析：STORM與KAFKA整合
341 第14章 Elasticsearch 347 14.1 什麼是ELASTICSEARCH 347 14.2 基本概念 348 14.2.1 索引、類型和文檔 348 14.2.2 分片和副本 348 14.2.3 路由 349 14.3 集群架構 350 14.4 集群環境搭建 352 14.5 KIBANA安裝 355 14.6 REST API 357 14.6.1 集群狀態API 357 14.6.2 索引API 358 14.6.3 文檔API 360 14.6.4 搜索API 363 14.6.5 Query DSL 365 14.7 HEA
D外掛程式安裝 371 14.8 JAVA API操作：員工資訊 375 第15章 Scala 379 15.1 什麼是SCALA 379 15.2 安裝SCALA 380 15.2.1 Windows中安裝Scala 380 15.2.2 CentOS 7中安裝Scala 381 15.3 SCALA基礎 382 15.3.1 變數聲明 382 15.3.2 資料類型 383 15.3.3 運算式 385 15.3.4 迴圈 386 15.3.5 方法與函數 388 15.4 集合 391 15.4.1 陣列 391 15.4.2 List 393 15.4.
3 Map映射 394 15.4.4 元組 396 15.4.5 Set 396 15.5 類和對象 398 15.5.1 類的定義 398 15.5.2 單例對象 399 15.5.3 伴生對象 399 15.5.4 get和set方法 400 15.5.5 構造器 402 15.6 抽象類別和特質 404 15.6.1 抽象類別 404 15.6.2 特質 406 15.7 使用ECLIPSE創建SCALA專案 408 15.7.1 安裝Scala for Eclipse IDE 408 15.7.2 創建Scala項目 409 15.8 使用INTELLI
J IDEA創建SCALA專案 410 15.8.1 IDEA中安裝Scala外掛程式 410 15.8.2 創建Scala項目 414 第16章 Spark 416 16.1 SPARK概述 416 16.2 SPARK主要組件 417 16.3 SPARK運行時架構 419 16.3.1 Spark Standalone模式 419 16.3.2 Spark On YARN模式 421 16.4 SPARK集群環境搭建 423 16.4.1 Spark Standalone模式 423 16.4.2 Spark On YARN模式 425 16.5 SPARK H
A搭建 426 16.6 SPARK應用程式的提交 430 16.7 SPARK SHELL的使用 433 16.8 SPARK RDD 435 16.8.1 創建RDD 435 16.8.2 RDD運算元 436 16.9 案例分析：使用SPARK RDD實現單詞計數 441 16.10 SPARK SQL 448 16.10.1 DataFrame和Dataset 448 16.10.2 Spark SQL基本使用 449 16.11 案例分析：使用SPARK SQL實現單詞計數 452 16.12 案例分析：SPARK SQL與HIVE整合 454 16.13 案
例分析：SPARK SQL讀寫MYSQL 457 前言 當今互聯網已進入大資料時代，大資料技術已廣泛應用于金融、醫療、教育、電信、政府等領域。各行各業每天都在產生大量的資料，資料計量單位已從B、KB、MB、GB、TB發展到PB、EB、ZB、YB甚至BB、NB、DB。預計未來幾年，全球資料將呈爆炸式增長。谷歌、阿裡巴巴、百度、京東等互聯網公司都急需掌握大資料技術的人才，而大資料相關人才卻出現了供不應求的狀況。 Hadoop作為大資料生態系統中的核心框架，專為離線和大規模資料處理而設計。Hadoop的核心組成HDFS為海量資料提供了分散式存儲；MapReduce則為海量資料
提供了分散式運算。很多互聯網公司都使用Hadoop來實現公司的核心業務，例如華為的雲計算平臺、淘寶的推薦系統等，只要和海量資料相關的領域都有Hadoop的身影。 本書作為Hadoop及其周邊框架的入門書，知識面比較廣，涵蓋了當前整個Hadoop生態系統主流的大資料開發技術。內容全面，代碼可讀性強，以實操為主，理論為輔，一步一步手把手對常用的離線計算以及即時計算等系統進行了深入講解。 全書共16章，第1章講解了VMware中CentOS 7作業系統的安裝；第2章講解了大資料開發之前對作業系統集群環境的配置；第3~16章講解了Hadoop生態系統各框架HDFS、MapReduce、YARN、Z
ooKeeper、HBase、Hive、Sqoop和資料即時處理系統Flume、Kafka、Storm、Spark以及分散式搜索系統Elasticsearch等的基礎知識、架構原理、集群環境搭建，同時包括常用的Shell命令、API操作、源碼剖析，並通過實際案例加深對各個框架的理解與應用。 那麼如何學習本書呢？ 本書推薦的閱讀方式是按照章節順序從頭到尾完成閱讀，因為後面的很多章節是以前面的章節為基礎，而且這種一步一個腳印、由淺入深的方式將使你更加順利地掌握大資料的開發技能。 學習本書時，首先根據第1、2章搭建好開發環境，然後依次學習第3~16章，學習每一章時先瞭解該章的基礎知識和框架的架
構原理，然後再進行集群環境搭建、Shell命令操作等實操練習，這樣學習效果會更好。當書中的理論和實操知識都掌握後，可以進行舉一反三，自己開發一個大資料程式，或者將所學知識運用到自己的程式設計項目上，也可以到各種線上論壇與其他大資料愛好者進行討論，互幫互助。 本書可作為Hadoop新手入門的指導書籍或者大資料開發人員的參考用書，要求讀者具備一定的Java語言基礎和Linux系統基礎，即使沒有任何大資料基礎的讀者，也可以對照書中的步驟成功搭建屬於自己的大資料集群，是一本真正的提高讀者動手能力、以實操為主的入門書籍。通過對本書的學習，讀者能夠對大資料相關框架迅速理解並掌握，可以熟練使用Hadoop
集成環境進行大資料專案的開發。 讀者若對書中講解的知識有任何疑問，可關注下面的公眾號聯繫筆者，還可以在該公眾號中獲取大資料相關的學習教程和資源。 掃描下述二維碼可以下載本書原始程式碼： 由於時間原因，書中難免出現一些錯誤或不準確的地方，懇請讀者批評指正。 張偉洋 2019年5月於青島
高平行細粒度Sort-Merge Join演算法於近記憶體平台研究
為了解決SQL JOIN on 的問題，作者林博彥 這樣論述：
即時處理在數據庫系統中對於揭示大數據中隱藏信息是非常關鍵的，此技術被廣泛應用於金融分析和深度學習等各個領域。然而，當今數據量仍在飛速地成長。 JOIN運算是數據查詢中的基本操作之一，在數據分析中非常重要，因為它幾乎佔據了 TPC-H標準數據庫測驗時間中平均一半的執行時間。在現代數據庫中，計算引擎和系統內存之間的數據傳輸 已經成為主要的性能挑戰之一。先前有關 Near Memory Computing NMC的文件中已經減少了許多昂貴的數據傳輸，但這些設計在處理流程和數據管理方面仍然效率低下。在本文中，我們提出了 FG-SMJ：一種基於近記憶體內高度平行且細粒度地排序合併數據運算。新穎的數據佈
局 與數據處理 使我們能夠以細粒度地且芯片等級地平行性存取芯片內的數據並大大提昇記憶體的頻寬。最為關鍵的數據訪存時間顯著減少98.48%。與之前的 NMC 設計相比，所提出的 FG-SMJ 實現了 3.08 倍的加速度 。