计算机图形处理器(graphics processing unit,简称GPU)用于通用计算的研究现在已经成为一个热门的研究领域。数据结构在GPU下的组织与应用是研究GPU通用计算的前提,没有数据结构的支撑也就不会有GPU下具体的运算实现。本文在对GPU体系结构、编程接口、常用绘制语言及流编程模型的分析基础之上,主要以线性表这一基础的数据结构为研究对象,对其在GPU下的物理结构和逻辑结构进行了详细的分析,从而给出相应的组织方法。通过比较分析提出了一种在GPU下对线性表实现删除和插入运算的方法。论文将数据结构应用于穷举搜索,并通过此应用来讨论GPU下通用计算的性能。由CPU下穷举搜索的性能较差,引出从软件方面将其并行化的改进方法。其次,研究了从硬件方面的改进过程,即如何将穷举搜索移植到GPU环境下,并与CPU下的穷举法进行实验性能对比,通过对测试结果的分析,得出GPU进行通用计算的具体性能指标。最后通过实验得出如下结论:在不考虑带宽影响的情况下,处理的数据规模越大在GPU下执行时越能得到良好的加速比;能够多遍调用渲染操作的算法很适合在GPU下实现,这样可以提高核心算法在计算中的耗时比例,从而提高运算效率。