近年来面向大规模图处理系统的研究成为并行与分布式计算领域乃至整个计算机与科学领域的重要课题。随着整个社会电子信息化程度越来越高,在社会公共安全提出全面信息化要求的背景下,基于互联网信息的社会公共安全大数据应用服务平台的建设,有助于对社会公共安全形势的预判,可以对领导决策提供参考。大规模图处理应用于社会公共安全,可以为上层应用提供计算分析支持。构建社会安全大数据平台,对海量数据进行分析,并转换为有效的、有价值的信息。以国家重点研发项目“社会安全大数据基础架构技术研究”为研究背景,以多源公安大数据分析平台为依托,在大规模图处理系统国内外研究现状的基础上,对基于GPU的图处理系统的关键技术进行了研究。针对图处理系统中广泛存在的计算资源紧张,任务并发度低和计算负载不均衡的问题,设计了一个名为PLS的GPU上的基于异步执行模型的图处理系统。该系统采用基于Hilbert-Order进行数据划分的方法确保图数据的空间局部性,减少非合并的内存访问操作;设计了一套将数据传输和内核执行重叠起来的执行流程实现对数据的管理和调度,提升系统的性能;提出了一套迭代控制策略用来加速图算法收敛。充分利用CPU处理器和GPU处理器的硬件计算资源,实现了对超出处理器内存规模大小数据集的处理;采用异步模型减少了计算过程中的通信开销,并加快图处理算法的收敛速度,很大程度地提升了系统性能。PLS系统基于NVIDIA公司的计算加速设备进行大规模图处理。实验测试表示,PLS能处理超出处理器内存规模的图数据。对比现有CPU图处理系统实现了较大的性能提升,比现有的GPU图处理系统实现了至少3倍以上的性能提升。满足了多源公安数据高效分析规模性、时效性和准确性的需求。