从第一款数据库管理系统——Integrated Data Store（IDS）的诞生到如今数据库市场的百花齐放,短短几十年,数据库领域发生了翻天覆地的变化。究其背后的原因,在于PC和移动设备市场的欣欣向荣以及21世纪的信息大爆发。近年来,随着新一轮的数据增长,各种非结构化数据占比不断增加,互联网信息数据的网状形态愈发凸显,而埋藏在网状结构下各种有价值信息的挖掘也成为人们关注的焦点。图数据库相较于关系型数据库有着对现实世界更贴切的描述和效率更高的关联查询,所以其在挖掘深度关联信息方面有着巨大的优势。未来随着数据量进一步增长,采取分布式存储的图数据库会逐渐成为主流。分布式存储使得单机图遍历扩展成分布式图遍历,其又带来子图遍历的跳转问题。分布式环境下的图遍历目前的基本方案是基于各种大数据平台,这类大数据平台的特点是与数据源分割并遵循一套通用的执行模式,所以无法避免地存在额外的数据转换开销且难以对图遍历场景进行优化的问题。为此本文设计并实现了一个面向分布式图存储的图遍历框架（Graph Traverse Framework,GTF）,其主要面向分布式图数据库图查询功能中链式图遍历的场景。本文的主要工作和创新点如下:1)本文探讨了目前图数据库的分类,并分析目前主流的图数据库,剖析各自的优劣,针对目前分布式图数据库在链式图遍历方向研究的不足,提出GTF并完成整体设计。2)本文针对GTF提出异步执行模式和树型管理策略。异步执行模式使用一种类似洪泛路由的机制,让各个节点的执行互不干扰,在遍历过程中各节点不需要在每一个超步等待进行全局通信;树型管理策略是一种利用树型结构思想来管理任务执行情况的策略,其可以在几乎不增加网络开销的情况下平衡分布式图遍历过程中集群各节点的网络负载。3)更进一步地,本文在GTF的基础之上提出并实现了两种优化技术——数据分发和延迟转发。数据分发可以有效减少计算层节点的数据迁移;延迟转发可以在分布式遍历的中后期减少集群网络负载。4)本文对GTF进行了基本实现,并进行测试与分析。测试表明GTF能够完成基本功能,并在圈层性能测试中优于其他数据库。