图作为一种较为复杂的数据结构,能表达更加多样化且更复杂的信息。大量现实生活中的应用场景都能抽象为图数据结构,比如飞机的运行航线和站点间的关系,参考文献的多级引用,网页间链接关系等,在这些图数据的基础上,可进行分析获取潜藏信息。伴随大数据的普及,图规模的增长极为迅速,传统的单计算机图处理系统由于存储和计算能力的原因,难于高效地处理大规模图。现有的分布式图处理系统在通信方面存在通信开销大延迟高的缺陷,从而影响了整体性能。因此围绕降低通信开销这个目标设计一个高效的分布式图处理系统是行之有效的方法。分布式大规模图处理系统(DistCPathGraph)是基于簇的图数据处理框架,在单计算机图处理系统PathGraph的基础上,主要围绕降低通信开销和提高收敛速度在三个方面进行了独特的设计。以簇为中心的划分方案,在满足传统划分算法对重复因子比例和负载均衡的要求上,适配以路径为中心的计算模型,尽量确保了路径的完整性,以簇为单元对图进行规模缩减和划分,降低划分算法的时间和空间开销。针对更新过程中顶点计算顺序的更新调度方法,根据顶点间的依赖关系,调整计算过程中的顶点更新顺序,解决因等待非本地消息的到来而造成更新过程阻塞的问题,提升整体计算性能。打包发送的偏同步通信策略,降低了整体通信开销,简化了数据一致性控制的过程。整个系统围绕图数据划分,迭代计算过程中的更新顺序调度和偏同步通信策略进行设计,解决了传统分布式图处理系统通信开销大,收敛速度慢的问题。DistPathGraph在划分方案和迭代计算上具有较好的性能,通过一系列对比实验可知,一方面,DistPathGraph的划分方法在重复因子比例上要优于随机hash和以路径为中心的划分方法。另一方面,DistPathGraph的整体性能要胜过知名分布式图处理系统GraphLab,在不同的运行条件下,DistPathGraph比GraphLab性能要高出30%到600%左右。