数据库技术是处理数据和管理信息的基本技术,其中有三方面重要的数据管理活动,即对数据的存取、操作以及可视化.目前,这三方面均受到性能和效率上的挑战.图形处理器(GPU)是一类独特的新兴硬件,同时具有较强的存取、计算与可视化的能力,为应对这些挑战带来了机会.因此,本文研究基于GPU的数据存取、操作与可视化分析的方法,以提高数据管理的性能和效率.纵览GPU上的通用计算(GPGPU)技术,特别是GPU上的数据库技术,我们发现GPU技术有多个功能层面可被利用,如通用并行计算功能,图形流水线计算功能,交互式可视化功能,等等.本文利用通用并行计算功能来加速数据存取,利用图形流水线计算功能来加速数据操作,并利用GPU所独具的”并行计算”与”图形处理”两重属性来加速和改善数据可视化分析.这三方面工作组成了基于GPU的数据管理(DOG)原型系统.具体地,在数据存取方面,我们使用通用并行计算方法提出了一个基于GPU的数据存取框架,包括一些存取原则和元语.这些原则充分匹配了GPU的并行硬件特性,这些元语可以组成一般的索引建立和查询方法.我们基于这个存取框架,具体研究了网格文件,四叉树以及R树这三种多维索引方法.通过实验,我们基于GPU的算法一般比多核CPU上的已有算法快数倍,有的高达10倍.在数据操作方面,我们使用图形流水线计算方法提出了一套基于GPU的数据操作元语,这些元语可以组成一般的数据操作方法.我们使用它们实现了块嵌套循环,索引嵌套循环,排序.归并以及哈希这四种连接方法.通过实验,我们基于GPU的算法性能可达到多核CPU上的已有算法性能的7倍.我们研究了两个数据可视化分析问题.对于多维数据集之间的关系,我们提出了一种基于GPU的信息可视化方法,平行散点图.它结合了平行坐标与散点图方法,综合了多种信息可视化与图形学手段,能使人更有效地观察与分析多维数据集之间的连接关系.为了降低可视化的视觉杂乱度,我们还提出了一种基于空间填充曲线的聚类算法,并使用GPU将聚类的性能加速了20倍.最后,我们将基于GPU的连接、聚类计算与可视化整合起来,可以对千万级数据进行交互级的连接与聚类计算,同时保证高质量的交互式可视化.对于联机分析处理(OLAP)中的数据立方技术,我们提出了一种基于GPU的可视化分析方法,交互式三维立方.我们提出了”绘制-聚集一体化”算法,将数据立方的分布式聚集操作映射为图形混合操作.数据立方的计算过程本身即是可视化的过程,充分结合了GPU的”并行计算”与”图形处理”两重属性,提高了可视化分析的整体性能.我们的方法不需要预计算时间或额外存储空间,可在千万级数据集上进行交互级的立方计算和三维OLAP操作,同时保证高质量的交互式可视化.总之,我们的DOG系统在数据存取、操作与可视化分析等方面与已有方法相比,在计算性能上有大幅的提高,在可视化效果上有显著的改进,在理论上提出新的方法和思路,在实际上具有应用价值.