随着大数据时代的到来,当今社会对海量图数据的处理需求日益增加,例如社交网络、电子商务交易等都可以被组织为图数据,而Gremlin作为一种典型的图数据库查询语言,其底层单核处理机的串行执行方式,已无法适应现代大型图数据处理运算的需求,因此多核并行计算已成为提高其查询速度的主要方式。COStream是一种高效的数据流编程模型,采用同步流水线的方法生成可在多核上并行计算的程序进而提高程序执行效率,因此可以通过研究COStream模型中对数据流的处理方法来对Gremlin语言进行并行优化。针对Gremlin程序无法并行执行导致其查询效率不高的问题,利用Gremlin语言具有数据流式的特性,使用COStream对数据流的处理方法——同步流水线加速方案来对Gremlin进行并行优化。针对Gremlin程序生成数据流图,通过标记上下文解决嵌套Step的处理问题。针对同步开销大导致执行效率提升不明显的问题,设计了动态划分的策略来均衡各处理器核的负载,同时经过测试选取周期数,使单个周期内处理器核处理的数据量达到最佳,有效缩短同步时间,使查询性能提升。研究分析Gremlin的执行逻辑,针对它在空间和时间上消耗较大的问题进行优化改变其执行逻辑,使新的执行逻辑更加符合数据流的特点,也更加符合同步流水线方案的执行流程。同时对缓冲区进行缓存优化,保证多核数据访问一致性,消除运行时核间缓存伪共享。选取典型的查询语句作为测试程序,在LDBC数据集上对Gremlin的并行优化方法和数据流图生成方法进行了测试,实验结果表明,与原本的Gremlin相比,优化后的Gremlin能够将查询调度到多核上并行执行,缩短了查询时间,提升了查询效率,增加了用户友好性。