通用GPU因其強大的并行計算能力成為新興的高性能計算平臺，并逐漸成為近年來學術界在高性能數據庫實現技術領域的研究熱點，但當前GPU數據庫領域的研究沿襲的是ROLAP（relational OLAP）多維分析模型，研究主要集中在關系操作符在GPU平臺上的算法實現和性能優化技術，以哈希連接的GPU并行算法研究為中心．GPU擁有數千個并行計算單元，但其邏輯控制單元較少，相對于CPU具有更強的并行計算能力，但邏輯控制和復雜內存管理能力較弱，因此并不適合需要復雜數據結構和復雜內存管理機制的內存數據庫查詢處理算法直接移植到GPU平臺．提出了面向GPU向量計算特性的混合OLAP多維分析模型semi-MOLAP，將MOLAP（multidimensionalOLAP）模型的直接數組訪問和計算特性與ROLAP模型的存儲效率結合在一起，實現了一個基于完全數組結構的GPU semi-MOLAP多維分析模型，簡化了GPU數據管理，降低了GPU semi-MOLAP算法復雜度，提高了GPU semi-MOLAP算法的代碼執行率．同時，基于GPU和CPU計算的特點，將semi-MOLAP操作符拆分為CPU和GPU平臺的協同計算，提高了CPU和GPU的利用率以及OLAP的查詢整體性能．