图可以用来描绘事物之间的复杂关系,被广泛应用于生物、化学、电商和社交网络等领域。随着领域发展与图的大量积累,人们在图的管理与分析,尤其是子图匹配问题上,进行了越来越多的研究,子图匹配有非常广泛的应用,例如OLAP场景中生物学蛋白质交互网络的分析与比较;OLTP场景中风控管理对风险交易的实时预警等。子图匹配问题是指给定一个查询图与数据图,找出数据图中所有查询图的同构子图。近年来,随着图数据的规模日益增大,单核串行算法已经无法高效地处理大规模图数据,并且现有的子图匹配算法多是在单核环境下开发和设计的,无法充分利用日益提高的硬件性能（多核CPU;新硬件如FPGA等）来提高可扩展性。同时,近年来学术界与工业界对现场可编程门阵列（FPGA）的兴趣愈来愈浓。各大云计算厂商例如AWS、Azure和阿里云等,都纷纷在其云计算平台推出FPGA服务。学术界内,对利用FPGA加速图算法的研究也逐年增多。基于此,本文研究并实现了基于FPGA的多核并发子图匹配算法。算法能够充分利用单机上的硬件资源,例如多核CPU、多块FPGA加速卡等。这也是目前世界上第一个利用FPGA对子图匹配问题进行加速的算法。算法首先设计了全新的辅助数据结构CST作为子图匹配的完备搜索空间。CST能够极大的对原图进行剪枝过滤,大大减小了子图匹配的搜索空间。其次本文设计了CST的划分方法,来实现搜索空间的并发分配,同时拆分后的CST能够完全存储到FPGA的片上存储BRAM中,避免了FPGA在加速子图匹配的过程中,数据在片上存储BRAM与片外存储DRAM之间的频繁传输。本文还设计了基于CST的工作量估算算法,用以解决负载不均衡的问题。在FPGA上,本文将传统的子图匹配算法串行过程,转换为多模块并行的模式,充分利用FPGA数据加速与流水线加速的特性,对子图匹配进行加速。基于工业界基准LDBC的大规模图上实验证实了本文实现的单机环境下基于FPGA的多核并发子图匹配算法,在性能上比当前最快的CPU算法CFL,DAF和CECI以及GPU算法GSI和Gp SM有极大的提升。同时本文提出的算法也是实验中唯一一个能够在10亿条边的大图上,成功进行子图匹配计算的算法。