随着互联网技术的发展与应用的深化，各种数据呈爆炸式增长，数据密集型 应用的负载特性与传统应用具有很大区别，传统处理器利用时空局部性提升性能 的方法将不再适用。因此，针对大数据问题的微处理器体系结构研究成为了学术 界关注的热点，流处理器体系结构就是其中值得探索的一个方向。图搜索问题是 一类典型的大数据问题，Graph500 就采用了 BFS 算法作为其 benchmark。本文面 向 BFS 算法研究面向大数据处理的流处理器体系架构，研究数据通路的测试分析、 设计和优化。本文主要从以下几个方面展开研究： 第一，通过对混合 BFS 并行算法的访存行为以及数据摆放方式的研究，发现 了在既定的流处理器体系结构下该算法的访存模式。并且基于 FPGA 和 DDR3 平 台，测试和研究存控在不同访存模式下的带宽表现，接着通过更改 MIG 内核，定 制了一个适于 BFS 算法的存控访存策略。经过访存策略的选择和定制后，使得混 合 BFS 并行算法在既定流处理器体系结构下的性能得到了 51%的提升。 第二，设计了一系列该流处理器架构下的性能测试工具与分析方法。为了评 估流处理器性能，提出了包括用平均队列长度分析通路堵塞情况、用模块平均时 延判断数据通路功能模块性能等一系列分析方法，并依据方法设计了相关测试工 具。测试工具以多应用对比并精准定位模块的方式，设计了包括计数标记法在内 的多种测试具体实现。设计的测试工具和分析方法在该流处理器结构下有很强的 适用性，并且能够通过测试分析确定该处理瓶颈所在。 第三，通过研究影响数据通路总控接口带宽的各个因素，设计了一个性能较 好且资源开销合适的数据通路总控接口，达到了总控接口高带宽的目标。并且研 究了数据通路并行化方式，基于该流处理器架构下，设计了一套拥有包括三级缓 存、轮序仲裁等机制在内的高并行度交叉开关。新交叉开关的实现使得处理器整 体性能得到了 37.5%的提升。 第四，根据流处理器体系结构架构特点，设计了相适应的远程访存机制，并 依此实现了远程访存接口。使得流处理器可以进行多节点间的远程访存操作，为 多节点并行处理大数据问题提供了硬件支持。最后通过 Top-down、Bottom-up 和 混合算法验证了远程访存机制的正确性，性能分别为 0.89MTEPs、5.23MTEPs 和 74.44MTEPs
