动态有向图中具有更新依赖关系，即有向边的目的图顶点的状态值依赖于源图顶点的状态值。当沿着动态有向图中更新依赖关系传递的方向依次异步串行地处理图顶点时，图顶点状态值能够在动态有向图中快速传递。然而，现有软件图处理系统和硬件图加速器无法实时感知和利用更新依赖关系的这种特性，因此，现有方法在处理动态有向图增量计算时无法同时实现快速迭代收敛和低预处理开销。
　　针对现有软件和硬件方法在处理动态有向图增量计算时的上述缺陷，设计并实现了一种依赖感知的有向图异步执行模型。首先，为了消除提取更新依赖关系的预处理开销，设计了一种实时依赖提取方法，动态调度要访问的图顶点以构成有向图中的局部拓扑顺序关系。其次，为了实时利用获取到的更新依赖信息，提出了一种依赖感知的异步迭代方法，根据局部拓扑顺序，异步地处理图顶点以加快状态值传递，有效减少了冗余图顶点更新次数。为了进一步减少运行时依赖提取方法的运行时开销，基于该执行模型，设计并实现一种动态有向图增量计算加速器GraphHP。实现一种实时依赖感知策略，设计硬件调度单元以卸载实时依赖提取方法，减少运行时开销，并且通过精准数据预取以降低图结构数据访问延迟。解耦硬件数据通路以并行执行图结构数据预取和状态值传播，减少系统的关键路径，实时利用更新依赖关系以加快动态有向图增量计算收敛速度。
　　实验结果显示，与传统异步方法相比，GraphHP在收敛速度上表现出较大优势，在处理动态有向图增量计算时，收敛速度最大提升2.7倍，图顶点更新次数最多可减少70%。