近年来，随着社交网络的大力发展和图数据表达的广泛应用性，图数据的规模呈爆炸性增长，这对大规模图数据挖掘分析提出了巨大挑战。现阶段都是采用大规模图数据处理系统对图数据进行挖掘和处理。然而，现有的大规模图数据挖掘处理技术大部分都是离线批处理的，对高效的图数据挖掘分析技术研究较少。本文正是以这个思路为出发点，提出了基于Arbor的高效图数据挖掘分析编程模型。本文研究了图数据库和大规模图数据处理系统，提出了基于Arbor的高效图数据挖掘算法编程模型，利用该编程模型和MapReduce实现了大规模图数据挖掘分析中重要算法：PageRank算法、单源最短路径算法和广度优先遍历算法，最后搭建了实验测试环境，在数据集上对上述三个算法从运行时间、内存消耗上进行了全面的性能评测，并与开源系统Hama、迭代式处理系统Spark进行对比。实验结果证明：基于Arbor的图算法性能明显优于开源系统Hama、Spark、Hadoop。本文提出的基于Arbor的高效图数据挖掘分析编程模型，也可以用于基于Arbor的其他数据挖掘算法的实现中。本文设计和实现的重要的图数据挖掘分析算法：PageRank，单源最短路径和广度优先遍历算法，可以用于社交网络中社区发现，网络舆情分析等。