随着互联网技术的高速发展以及物联网的兴起壮大,庞大的互联网服务监控业务、工业物联网传感器以及移动终端等产生了海量的时序数据,这些数据的规模往往超过百亿。在对于这些数据管理的上,目前的模式在性能上渐渐开始展现出不足。为了能有效的存储数据,一些系统借助磁盘来组织数据,这使得可以有足够的空间构建高效的索引,但是磁盘的I/O限制了系统读取性能。另外一些设计了基于新型体系结构结的方案,可以通过诸如SSD,内存这样的高性能硬件设备提高系统性能。然而索引的检索效率以及海量的数据解压最终也限制了查询的效率。为了解决这些不足之处,设计并实现PCQO（Parallel Computing for Time Series Query Optimization with GPU）,一种基于GPU（Graphics Processing Unit）的并行计算查询加速方案。PCQO的优化方案是通过GPU并行计算来加速在时序查询中执行的倒排索引的交集操作和数据解压操作,以达到降低查询延迟的效果。同时,根据对生产数据的分析发现,对于时序数据的实时查询请求仅涉及到最近几个小时内的数据,因此PCQO选择将近期的数据及其索引存储在GPU的显存当中,这种做法可以大大减少数据传输带来的时间开销,从而进一步降低查询延迟。实现结果表明PCQO在处理实时查询请求时,可以有效提高请求响应的实时性。PCQO对倒排索引检索的交集的提升在2倍以上,而在压缩数据的处理速度上有5-8倍以上的提升,而从整体上来看,查询性能提升约有1.6倍以上,并且数据量越大,提升效果越明显。