图处理系统被广泛应用于在线社交网络、社区发现等诸多应用领域,随着图数据集规模的不断增大,图算法的执行时间越来越长,多任务场景也越来越普遍。当前的外存模式图处理系统通过优化对图数据的访问速度,能够有效地执行单个图处理任务,然而在多任务场景下,每个图算法的I/O特性不同,具有不同的外存图数据访问速度,因此并行执行多个图处理任务时将影响甚至破坏现有的外存I/O优化方法,造成严重的外存随机访问开销。另外,每个图算法分别向外存发起I/O请求,会竞争有限的I/O带宽,I/O冲突严重。针对现有外存模式图处理系统在多任务场景下存在的问题,本项研究提出了基于多外设重编排和图数据共享的I/O模型,设计并实现了多任务外存模式图处理系统GraphScSh。系统GraphScSh采用多个外设实现图数据的有效存储,通过控制并行图算法执行过程中对外存图数据的访问顺序,将I/O压力均衡的分散到每个外设中,充分利用多个外设的I/O带宽,有效地减少I/O冲突。此外,基于图数据共享思想,优先访问已经加载进内存的图分区数据,减少相同图数据的重复加载,提高I/O效率。基于不同的并行算法组合,在不同类型和不同规模的图数据集上测试了图处理系统GraphScSh的性能,测试结果表明,对于92%的并行算法组合,GraphScSh的执行时间都要小于GridGraph,性能提升百分比随着并行度的增加不断增加,在不同的数据集上提升百分比最高分别为64.67%、76.03%、82%。另外,与系统GraphDeSh的对比测试结果说明,GraphScSh避免了GraphDeSh存在的同步开销问题,在不同的测试数据集上执行时间提升百分比最高分别为34.12%、19.24%、12.68%。