邓军勇，赵一迪

(西安邮电大学 电子工程学院，陕西 西安 710121)

大数据背景下，真实世界图数据的规模爆炸式增长，处理图数据的图计算被认为是新兴数据驱动市场的支撑技术[1-3]。与此同时，随着社交网络分析、生物信息网络分析、传染病防治和自然语言处理等应用领域的发展，不同领域图计算应用的实际需求以及大量图数据的独特特征都对传统计算架构提出了挑战，高性能图计算加速器研发备受关注[4-7]。

为了高效实现图计算任务，研究人员开始设计并实现各种框架来促进应用的程序开发，并通过硬件设计提高图计算加速器的性能[8-10]。图框架Ligra[11]可以根据图的疏密情况自适应地切换其计算方法，但是其适用于单机计算，计算能力和内存空间有限。图框架Gemini[12]是以计算为中心的图框架体系，对整体集群图数据处理性能比较显著。图框架GraphBIG[13]利用动态的以顶点为中心的数据表示形式，基于当前主流图框架并涵盖了所有主要图计算类型和数据源。这些主流的图框架从不同角度对算法的实现进行了优化。遍历类应用作为图计算中常见的算法应用非常广泛，是图数据路径/流分析、网络理论以及网络通信重要性等许多实际问题的处理基础[14-15]。目前，没有适用的准则判断遍历类算法处理、图框架的设计和性能之间的关联关系，研究并获得相关特定算法在各种不同实现方式下的性能的详细信息和数据至关重要[16]。

拟通过对当前主流的……