传统计算机处理架构面临着严峻的“存储墙”挑战，随着现实世界中图数据规模的急剧膨胀，难以满足图计算高带宽、低延迟、大容量的现实需求。通过电阻式随机存取存储器(ResistiveRandomAccessMemory，简称ReRAM)的存内计算硬件将计算单元集成到内存单元中，为解决上述问题提供了可能。考虑到电阻式随机存取存储器中采用以矩阵结构为元粒度的组织方式，因此，在处理度数服从幂律分布的真实世界图数据的时候，会存在大量的无效存储(例如，零元素和非激活元素)，引发稀疏性问题，存储单元空转率较高，从而导致大量的无效计算，并行度和能效比不理想。
　　通过对稀疏图计算中大量零元素产生的内在机理进行观察，发现图的源节点和目的节点映射到忆阻器字线和位线上时采用了连续映射方式，引发稀疏性计算问题，其实质是忆阻器物理特性与现有图数据映射方案不匹配。据此观察，提出了一种基于忆阻器的图计算加速器Spara，重点解决了数据映射及相应的调度难题。具体的，在该加速器中：1)提出了随机字线和顺序位线的图计算数据映射策略，大幅减少无效零元素的数量；2)提出了一种紧耦合的块级并行处理结构，通过动态地分发与合并图计算任务最大化图计算效率。
　　实验结果表明，相较目前国际上最好的忆阻器图计算加速器GraphR和GraphSAR，Spara可分别平均获得8.21倍和5.01倍的性能提升，能效提升8.97倍和5.68倍，而预处理开销最高不超过整体运行时间的9.98%。