Graph X是目前广泛使用的分布式图处理系统。收敛型图应用是一类典型的图分析应用,其特点在处理过程中,迭代轮次间活跃的图顶点规模呈现逐渐缩小的趋势,且任意顶点一旦从活跃状态转为非活跃状态,则保持非活跃状态直至应用结束。Graph X既有数据缓存机制在收敛型图应用迭代处理过程中,将海量不再参与计算的边数据进行缓存,降低了缓存空间的有效利用率。在内存配置受限的场景下,系统无法完整缓存数据,增加了数据重计算开销。在内存配置充裕的场景下,内存中缓存了大量不再参与计算的边数据,造成了内存资源的浪费。针对上述问题,本文提出面向收敛型图应用的数据缓存优化技术。该技术的核心思想是,在内存配置受限的场景下,过滤应用不再参与计算的边数据,使应用能缓存计算所需的图数据,减少数据重计算开销,提升应用执行效率;在内存配置充裕的场景下,动态迁移分区数据,集中缓存图数据,释放多余的任务执行器,提升Graph X系统的计算与存储资源利用率。本文的主要贡献如下:1)提出一种面向收敛型图应用的Graph X缓存数据过滤机制GDCO。GDCO将收敛型图应用运行过程中不再使用的边数据定义为过期数据。针对内存配置受限的场景,GDCO在实时监测过期数据的基础上,通过以顶点为中心的间接标识机制,标识应用运行过程中的过期数据;并选取活跃顶点规模显著减小为时机,进行过期数据的过滤,从而降低图数据过滤的性能开销,保障计算所需图数据的缓存完整性,提高收敛型图应用的执行效率。2)提出一种面向收敛型图应用的Graph X缓存数据动态迁移策略CGDM。CGDM针对内存配置充足的场景,以图数据迁移规模最小化和节点间点、边数据缓存规模均衡化为目标,利用粒子群算法,启发式选取数据迁移优化方案,实现图数据的集中缓存,释放多余的任务执行器,并平衡各任务执行器间的计算负载,从而在保障图应用执行效率的同时,提升Graph X系统的计算与存储资源有效利用率。3)基于Graph X系统完成GDCO和CGDM的实现。在Standalone部署模式下,进行了性能测试。测试结果表明,在内存配置受限的场景下,采用GDCO机制可使典型Graph X收敛型图应用的执行时间最大降低88.53%;在内存配置充足的场景下,采用CGDM技术可使典型Graph X收敛型图应用的累积内存使用最大降低56.99%,在多应用场景下,可使应用的平均周转时间最大降低14.3%。