主要观点：

• 介绍了 Theseus 和 Spark-RAPIDS 在不同数据规模（10TB、30TB、100TB）下的基准测试结果，包括成本、运行时间等方面的比较。
• 强调了 Theseus 作为加速器原生系统在处理大规模数据时的优势，如能以更低成本处理更多数据。
• 提及不同类型的查询（如重连接、重排序、重聚合）在 GPU 辅助下的性能表现差异。
• 指出数据处理行业的趋势，如 OLAP 引擎因开放标准而趋同，以及提出适合不同数据规模的分布策略。

关键信息：

• Theseus 基准测试定期更新，最新结果涵盖 10TB、30TB、100TB 数据规模。
• 100TB 数据规模下，10 节点的 Theseus 处理成本低于 Spark，能更高效处理数据。
• 10TB 数据规模时，GPU 能以更少成本实现更多性能，Spark 存在成本效益递减和技术瓶颈。
• 30TB 数据规模需考虑扩容，比较不同系统在不同节点配置下的性能和成本。
• 不同类型查询在 GPU 辅助下表现不同，如重连接等操作对系统性能有较大影响。
• 提出构建可组合数据系统的分布策略，不同数据规模适用不同工具。

重要细节：

• 介绍了各种相关项目和标准，如 Ibis、Substrait、SQLGlot、Arrow、ADBC 等。
• 给出了 22 个从 TPC-H 导出的查询的描述和分类。
• 以图表形式展示了不同节点配置下 30TB 数据的运行时间和总成本。