本发明专利技术提供一种状态机引擎(14)，其包含状态向量系统(141)。所述状态向量系统(141)包含输入缓冲器(146)，所述输入缓冲器(146)经配置以从还原缓冲器(156)接收状态向量数据并将状态向量数据提供到状态机晶格(30)。所述状态向量系统(141)还包含输出缓冲器(148)，所述输出缓冲器(148)经配置以从所述状态机晶格(30)接收状态向量数据并将状态向量数据提供到保存缓冲器(158)。
【技术实现步骤摘要】
【国外来华专利技术】【专利摘要】本专利技术提供一种状态机引擎(14)，其包含状态向量系统(141)。所述状态向量系统(141)包含输入缓冲器(146)，所述输入缓冲器(146)经配置以从还原缓冲器(156)接收状态向量数据并将状态向量数据提供到状态机晶格(30)。所述状态向量系统(141)还包含输出缓冲器(148)，所述输出缓冲器(148)经配置以从所述状态机晶格(30)接收状态向量数据并将状态向量数据提供到保存缓冲器(158)。【专利说明】用于使用状态机引擎中的状态向量数据的方法及系统
本专利技术的实施例大体涉及电子装置，且更具体地说，在某些实施例中，涉及具有用于数据分析的并行装置的电子装置。
技术介绍
在常规基于冯?诺伊曼(von Neumann)的计算机上执行复杂数据分析(例如，模式辨识)可能效率低下。然而，生物大脑(尤其人类大脑)善于执行复杂的数据分析。当前研宄表明，人类大脑使用大脑新皮质中的一系列经阶层式组织的神经元层执行数据分析。阶层的较低层中的神经元分析来自(例如)感觉器官的“原始信号”，而较高层中的神经元分析来自较低层级中的神经元的信号输出。大脑新皮质中的这种阶层式系统可能结合大脑的其它区域完成复杂数据分析，这使人类能够执行例如空间推理、意识思考及复杂语言等高阶功能。 在计算领域中，例如模式辨识任务越来越具有挑战性。计算机之间传输的数据量不断增大，且用户希望检测的模式数目日益增加。例如，通常通过在数据流中搜索模式(例如，特定词组或代码段)来检测垃圾邮件或恶意软件。模式数目随着垃圾邮件及恶意软件的多样化而增加，这是因为可实施新模式以搜索新变体。针对这些模式中的每一者搜索数据流可形成计算瓶颈。通常，当接收到数据流时，针对每一模式一次一个地搜索数据流。在系统准备好搜索数据流的下一部分之前的延迟随模式数目而增加。因此，模式辨识可使数据的接收减慢。 硬件已经设计以针对模式搜索数据流，但是这种硬件通常不能在给定的时间量期间处理足够的数据量。经配置以搜索数据流的一些装置通过将数据流分布在多个电路之间以在给定的时间量期间处理足够的数据量。所述电路各自确定数据流是否匹配模式的一部分。通常，大量电路并行操作，其各自大体同时搜索数据流。然而，尚不存在有效地允许以与生物大脑的方式更相当的方式执行复杂数据分析的系统。开发这种系统是合乎需要的。 【专利附图】【附图说明】 图1说明根据本专利技术的各种实施例的具有状态机引擎的系统的实例。 图2说明根据本专利技术的各种实施例的图1的状态机引擎的有限状态机(FSM)品格的实例。 图3说明根据本专利技术的各种实施例的图2的FSM品格的块的实例。 图4说明根据本专利技术的各种实施例的图3的块的行的实例。 图5说明根据本专利技术的各种实施例的图4的行的两成员群组的实例。 图6说明根据本专利技术的各种实施例的有限状态机图表的实例。 图7说明根据本专利技术的各种实施例的使用FSM品格实施的二层级阶层的实例。 图8说明根据本专利技术的各种实施例的编译器将源代码转换为二进制文件以配置图2的FSM品格的方法的实例。 图9说明根据本专利技术的各种实施例的状态机引擎。 图10说明展示根据本专利技术的各种实施例的用于处置状态向量系统中的状态向量数据的流程图。 【具体实施方式】 现在转到诸图，图1说明大体上由参考数字10标示的基于处理器的系统的实施例。系统10(例如，数据分析系统)可为例如台式计算机、膝上型计算机、传呼器、蜂窝电话、个人记事本、便携式音频播放器、控制电路、相机等等的多种类型中的任一者。系统10还可为网络节点，例如路由器、服务器或客户端(例如，先前描述的计算机类型中的一者)。系统10可为某个其它种类的电子装置，例如复印机、扫描仪、打印机、游戏控制台、电视机、机顶视频分布或记录系统、电缆箱、个人数字媒体播放器、工厂自动化系统、汽车计算机系统或医疗装置。(用以描述系统的这些各种实例的术语(如本文中使用的许多其它术语)可共享一些参照物，且因此不应通过所列出的其它项加以狭隘地理解)。 在典型的基于处理器的装置(例如系统10)中，例如微处理器等处理器12控制系统10中的系统功能及请求的处理。此外，处理器12可包括共享系统控制的多个处理器。处理器12可直接或间接地耦合到系统10中的组件中的每一者，使得处理器12通过执行可存储于系统10内或系统10外部的指令而控制系统10。 根据本文中描述的实施例，系统10包含可在处理器12的控制下操作的状态机引擎14。如本文中所使用，状态机引擎14是指单个装置(例如，单个芯片)。状态机引擎14可采用任何自动机理论。例如，状态机引擎14可采用数个状态机架构中的一者，包含(但不限于)米立(Mealy)架构、摩尔(Moore)架构、有限状态机(FSM)、确定性FSM(DFSM)、位并行状态机(BPSM)等等。虽然可使用多种架构，但是为论述目的，本申请案提及FSM。然而，所属领域的技术人员应了解，可使用多种状态机架构中的任一者来采用所述技术。 如下文进一步论述，状态机引擎14可包含数个(例如，一或多个)有限状态机(FSM)品格(例如，芯片的核心)。为本申请案的目的，术语“品格”是指元件(例如，布尔单元、计数器单元、状态机元件、状态转变元件)的组织框架(例如，路由矩阵、路由网络、框架)。此外，“品格”可具有任何合适的形状、结构或阶层式组织(例如，栅格、立方体、球形、级联)。每一 FSM品格可实施各自并行接收及分析相同数据的多个FSM。此外，FSM品格可布置成群组(例如，群集)，使得FSM品格的群集可并行分析相同输入数据。此外，状态机引擎14的FSM品格的群集可布置在阶层式结构中，其中来自阶层式结构的较低层级上的状态机品格的输出可用作到较高层级上的状态机品格的输入。通过经由阶层式结构使状态机引擎14的并行FSM品格的群集串联地级联，可分析(例如，评估、搜索等等)日益复杂的模式。 此外，基于状态机引擎14的阶层式并行配置，状态机引擎14可用于利用高处理速度的系统中的复杂数据分析(例如，模式辨识)。例如，本文中描述的实施例可并入具有I千兆字节/秒的处理速度的系统中。因此，利用状态机引擎14，可迅速分析来自高速存储器装置或其它外部装置的数据。状态机引擎14可根据多个准则(例如，搜索项)大约同时(例如，在单个装置循环期间)分析数据流。状态机引擎14的层级上的FSM群集内的FSM品格中的每一者可各自大约同时从数据流接收相同搜索项，且并行FSM品格中的每一者可依处理准则确定所述项是否将状态机引擎14推进到下一状态。状态机引擎14可根据相对较大数目个准则(例如，大于100个、大于110个或大于10，OOO个准则)分析诸个项。因为FSM品格并行操作，所以其可将准则应用于具有相对较高带宽的数据流(例如，大于或大体等于I千兆字节/秒的数据流)而不使数据流减慢。 在一个实施例中，状态机引擎14可经配置以辨识(例如，检测)数据流中的大量模式。例如，状态机引擎14可用以检测用户或其它实体可能希望分析的多种类型数据流中的一或多者中的模式。例如，状态机引擎14可经配置以分析经由网络接收的数据流，例如经由因特网接收的数据包或经由蜂窝网络接收的语音或数据。在一个实例中，状态机引擎14可经本文档来自技高网...
【技术保护点】
一种状态机引擎，其包括：状态向量系统，其包括：输入缓冲器，其经配置以从还原缓冲器接收状态向量数据并将状态向量数据提供到状态机晶格；以及输出缓冲器，其经配置以从所述状态机晶格接收状态向量数据并将状态向量数据提供到保存缓冲器。
【技术特征摘要】
【国外来华专利技术】...
【专利技术属性】
技术研发人员：戴维·R·布朗，哈罗德·B·诺伊斯，
申请(专利权)人：美光科技公司，
类型：发明
国别省市：美国;US
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。