高性能计算机在处理更大规模数据时可能遇到内存不足的问题，本文探索了该问题的解决方案.经过对各编程模型的对比分析，本文采用GA(Global Arrays)模型进行优化.GA是PNNL(Pacific Northwest National Laboratory)推出的一种全局数组编程模型，具有编程简洁、运行效率高的优点.但是GA的接口只能在各节点内存上进行操作.当应用程序需要处理更大规模的数据时，会因为内存的不足受到限制.由此，本文提出了DGA(Disk extending Global Array)编程模型，并说明了它的实现方法.然后通过DGA编写的内存受限并行程序，说明DGA会在内存不足时自动将全局数组扩展到磁盘上.通过多种测试用例的实现和评测，证明了DGA可以在不大幅降低程序运行性能的基础上，保障程序的运行.同时文中简单介绍了优化模型已完成的模块，对接下来要做的工作进行了一些展望.最终的DGA将满足在巨型机上的需求.