随着计算机应用的发展,人们迎来了“大数据时代”。在大数据时代,应用所表现出的负载特性是访存局部性差,访存延迟大等。传统的通用微处理器处理这类应用往往性能不佳。这给微处理器结构设计带来了巨大挑战。通过深入研究大数据中图搜索问题的负载特点,本课题对适于处理图搜索问题的微处理器结构设计及优化展开研究。本文针对图搜索问题访存局部性差的特点,引入流处理器设计思想,设计流式寄存器缓存结构,建立了“局部寄存器文件——流寄存器文件和片内共享存储——内存”三级存储层次框架GEM,GEM使得程序员能够通过软件方式显示地控制数据的局部性。针对图搜索问题访存延迟大的特点,设计基于交叉多线程执行机制的处理器核心GE-Core。重点介绍了GE-Core流水线各阶段的结构和功能,以及算术逻辑运算部件ALU、访存部件LSU等核心部件的设计实现。进一步,课题实现了流处理器原型平台。为验证该原型,本文设计了3种基于位图结构的并行BFS算法:基于位图结构的Top-dwon并行BFS算法、基于位图结构的Bottom-up并行BFS算法和基于位图结构的混合并行BFS算法。本文具体分析了3种算法的设计思想、搜索过程,并评估其性能。实验表明,基于位图结构的混合并行BFS算法性能最优。最后,通过实验测试验证了流处理器原型系统的正确性,测试性能数据。从数据分析发现问题,对原型系统的部分硬件结构、操作机制进行优化和完善。从性能角度看,这些优化措施达到了预期的优化效果。