现实世界中的许多问题都可以建模为图问题,图数据的规模也处于不断增长的状态。为了能够有效地对大规模图数据进行分析和计算,分布式图处理系统应运而生。经典的分布式图处理系统通常采用传统的TCP/IP通信,然而在呈现幂律分布的真实图场景下,基于点切分的异步图处理系统的顶点平均副本数迅速增加,TCP/IP通信的速度又较为缓慢,从而导致主副本之间的通信开销明显增长,成为系统开销的瓶颈。主副本之间的频繁通信是造成系统通信开销过大的主要原因。由于远程直接内存访问（Remote Direct Memory Access,简称RDMA）具有低延迟、高带宽和低CPU开销的特点,将TCP/IP通信更换为RDMA通信便会带来少量的加速效果。而且,幂律图的主副本之间的通信结构呈现一对多的特性,利用这种结构设计了一种基于RDMA非对称性（即一对多的环境下,out-bound RDMA的开销比in-bound RDMA的开销要高得多）的高效通信机制。在这种机制下,in-bound RDMA通信和out-bound RDMA通信能分开分布在两部分机器上,以便更好地利用RDMA非对称性,从而减少通信开销。为了对所提出的优化方案进行评价,在经典的异步图处理系统Power Graph上实现了该优化方案,并采用大规模真实图数据集进行测试。实验结果表明,在不同类型的图上运行Page Rank算法,基于RDMA非对称性的优化后的系统的运行时间相比于Power Graph系统降低了约35%。