前一章簡述了 dynamic programming 及 bit-parallelism 的運作方式與 優缺點。本研究計畫透過實現於多核心 CPU 與 GPU 加速是此兩種演算 法，而在進行加速之前，本章將探討平行加速的方式有哪些。
以平行架構而言，dynamic programming 的可行性較 bit-parallelism 低，原因在於填表的順序與運算不獨立。反觀 bit-parallelism 在比對長度 為 m 之字串樣式時，只需計算（𝑚 + 𝑘）個位置即可得知結果。因此在 平行的架構下，本研究選取後者為主要加速的對象。
平行處理架構分為兩種，一種為任務並行（task parallel），另一種為 數據並行（data parallel）。本章分為五小節，分別為任務並行、邊界偵測 的問題、數據並行 I、數據並行 II 與本章小結。說明如下：
第一節 任務並行
任務並行就是將一個龐大的工作，分為許多互相獨立的任務單元，
各別運算後，在統整結果之運算；如圖 3-1，原輸入字串不需分段，而 每個執行緒分配不同字串樣式，各別進行比對，此種並行方式乃適用於 多個字串樣式須比對的情況。而 GPU 提供使用者同一時間宣告大量的 執行緒做簡短的工作，在執行緒越多的時候，效能越顯著，故 GPU 並 不適用此並行模式。
18
圖 3-1 任務並行架構
第二節 邊界偵測的問題
有別於前一節的任務並行架構，另一種並行架構即為數據並行，其 中，數據並行又可以分為兩種方式，本研究稱之為數據並行 I 與數據並 行 II。
數據並行的平行架構，不論是數據並行 I 還是數據並行 II 都必須將 整個輸入文字切斷分配給不同的執行緒同時進行比對。因此，數據並行 必須特別注意區段與區段的邊界偵測問題（boundary detection problem）， 在每段被切割的數據中，要留意是否有字串樣式剛好被邊界所截斷，圖 3-2 即為邊界偵測問題發生的情形。
圖 3-2 邊界偵測問題
19
在固定字串比對時，要防止此類問題產生，會將每條執行緒所負責 的區段往後延伸 m 個位置；在比對多個不同長度的字串樣式時，則延伸 其中長度最長的字串樣式之長度。然而近似字串比對比起固定字串比對 又需考慮 edit distance，因此 bit-parallelism 在防止邊界偵測時，必須往 後延伸（m+k）個位置，考慮是否涵蓋了容許的 edit distance 的範圍。
舉例來說，給定一個長度為 m 的字串樣式，與 edit distance 為 k，則 在進行近似字串比對時，若在長度（m+k）中，已 match（m+k）個字元，
則可回報 match；倘若在長度（m+k）中，只 match（m-k-1）個字元，
則需要繼續比對後面的位置，而在此位置上，極有可能發生邊界偵測的 問題。圖 3-3 中，倘若只往後延伸（m+1）個位置，則在區段 2 的第二 個位置上發生一個訊息遺漏；如果延伸（m+k）個位置，則可以避免此 問題發生。
圖 3-3 防止邊界偵測問題
第三節 數據並行 I
數據並行 I 是在處理龐大資料量時，將資料量分成許多單元並分配
20
給不同的執行緒，每條執行緒皆獨力完成自己的工作（見圖 3-4）。圖 3-4 中，將輸入字串切割分段，各條執行緒分別比對所有的字串樣式，而每 條執行緒需負責的長度如 v 所示：
v. 輸入字串長度 +(總執行緒數量 – )
總執行緒數量 + 字串樣式長度 +
在運算式 v 中，先加上了總執行緒數量-1 後在相除，是為了避免商 數為 0。相除後面加上字串樣式長度與 edit distance 是為了防止邊界問題 產生。
圖 3-4 數據並行 I
第四節 數據並行 II
數據並行 II 則是給予輸入文字中每個位置一條執行緒 Xi，每個執行 緒必須負責比對所有的字串樣式，而所負責的長度為（m+k）個位置。
圖 3-5 即是數據並行 II 的範例。
21
圖 3-5 數據並行 II
第五節 本章小結
採取數據並行架構，可以使一個龐大的工作，透過多執行緒分工，
變成運算簡短的小工作，相較於任務平行架構，數據並行架構較適合使 用於 GPU 的運作中。故本研究在 GPU 上，分別實現數據並行 I 與數據 並行 II 於 bit-parallelism，分析其成效的差異。
22
23