在当前这个大数据时代,随着科技和经济的不断发展,各行业科研机构都正在获取着远超出以往任何一给时代产生数据。在这些海量的数据中,存在着行业前瞻的信息以及科研进步的线索。然而为了能够从海量的数据中快速挖掘出有价值的内容,就需要对数据进行高速有效的分析。这样大规模的数据密集计算同时也对其计算系统的数据管理产生了更多压力。由此不难看出,目前条件下的应用场景对数据库的性能需求在日渐提升。对于传统的数据库管理系统(database manage system,DBMS)而言,其中的数据处理全部是通过CPU(Central Processing Unit)中的计算资源完成。但是即使时至今日,除一些规模CPU架构外,CPU的功能中仍然是缺乏大规模线程并行能力的。这种多并行能力的不足导致了CPU在当今难以满足数据库管理系统对数据密集型操作不断提升的性能需求。在另一方面,GPU(Graphics Processing Units)设备从产生之时就是通过运算器和存储器之间超大的带宽,进行多线程的并行计算。当需要在数据库管理系统中扫描一个数据表格时,使用通用的CPU进行处理时,数据库表中的行需要串行的通过CPU的计算资源进行匹配得到结果。然而,当这类扫描任务可以通过适当的手段分配到GPU设备的计算资源中时,GPU可以同时进行大量的数据匹配计算,从而获得极高的并行度加速。如果可以恰当的在数据库管理软件中使用GPU,可以在数据库请求中得到极大的性能提升。在本论文中,主要的工作是基于GPU设计和完成了一个针对PostgreSQL数据库的表格扫描加速器。加速器通过PostgreSQL数据库内核提供的扩展接口获取数据库内部的数据和操作信息。并合理的在GPU设备上分配多线程计算资源。最终PostgreSQL中的单表扫描操作会变成大规模并行线程在GPU上完成计算。本文中的加速器以PostgreSQL源生插件的形式加入其中,不会影响PostgreSQL原有功能,同时提供了一个可供后续开发继续使用的GPU加速平台。本论文还对设计GPU加速性能和使用局限性进行了完善的测试,引入了数据传输时间和运算消耗时间对GPU加速器性能的影响的分析。最后的结果显示,针对常见的单表扫描这一功能场景,本文中加速器相比PostgreSQL的原有功能可以降低45%到50%的扫描时间。