随着科学技术的不断进步,迅速发展的物联网行业正时刻产生着大量数据,其中一个很重要的组成部分即为时间序列数据。时间序列数据为按时间排序的一连串观察数据的集合(例如心电图,一天的天气,每周的销售额和每月股票价格等),针对时间序的实时数据挖掘是数据中心的一个重要任务。时间序列数据有数据量大,维度高和数据更新频率快三个特点,这些大量的时间序列数据负载给数据中心的数据挖掘任务带来了全新的挑战。距离函数作为不同序列间的相似度度量方法,是大多数高速数据挖掘任务的主要组成部分。在实际数据挖掘应用中,距离函数的计算时间占总时间的极大一部分,是时间序列数据挖掘任务的计算瓶颈。为了解决上述问题,提高数据挖掘的效率,减少数据挖掘任务所耗时间,近年来出现和很多针对距离函数的软件和硬件加速方法。然而,这些加速算法都是针对单一的距离函数,导致这些优化方法只能局限于某种特定的距离函数和特定的应用场景。在数据中心数据挖掘任务中需要同时处理多个应用,每个应用需要使用对应的距离函数,针对这样的场景,已有的加速方法已经无法适用。因此需要设计出一种可配置的加速器,能同时满足多个距离函数的加速需求。忆阻器作为一种新型非线性器件,具有阻值可变和电阻记忆的功能,目前已被广泛应用于存储器和神经形态计算中。本文针对数据中心中的实时高效时间序列数据挖掘任务,提出了一种基于忆阻器的高吞吐量可配置相似度度量加速器。设计的加速器可以通过配置,实现目前时间序列数据挖掘任务中的六种常用距离函数(分别为动态时间规整,最长公共子序列,编辑距离,豪斯多夫距离,汉明距离和曼哈顿距离)的加速。为了提高能量效率,减少加速器占用面积,我们从各个电路结构中抽取出基本结构,通过对基本结构的配置实现不同距离函数的加速功能。为了评估本文设计的加速器性能,我们在公开的时间序列数据集上对加速器做了系统性能测试和端到端性能评估。实验结果表明,与已有的距离函数加速方法相比,本文设计实现的基于忆阻器的可配置相似度度量加速器取得了3.5x-376x加速比,同时在低精度损失的情况下,能量消耗降低了1-3个数量级。