随着大数据时代的来临,越来越多大数据应用需要以图的形式描述数据,进而通过迭代方式对其加以处理。如何高效利用图结构特性加速图处理,降低大规模图计算系统开销,成为图计算领域亟待解决的问题。然而,现有图处理系统对顶点活跃程度差异缺乏考虑,将活跃顶点(即热顶点)和非热顶点(即冷顶点)混合划分在同一分区,导致加载包含热顶点的分区时,增加不必要的冷顶点加载开销,延长图处理时间,降低图处理系统性能。针对上述缺陷,提出了图结构感知的图处理算法,并基于目前最先进的图处理系统Gemini实现了该算法(新系统为GGraph)。提出了图结构感知的图划分算法,该算法考虑了图结构的幂律特性,使用具有低开销的逻辑重划分方案,根据迭代过程中顶点间数据依赖的变化自适应划分冷/热图划分片(即含有大量热顶点的分区),使得热顶点能够得到优先处理,同时降低冷顶点的计算频次,减少不必要的数据访问开销。为进一步提高收敛速度,还提出了基于热图划分片的调度算法,将热图划分片赋予更高的处理优先级,使得热顶点能够优先计算,并且得到足够的迭代处理次数,既减少了顶点收敛所需的更新轮次,又降低了每轮迭代所需的计算时间,加速图算法的收敛。实验结果表明,与Gemini相比,GGraph在性能和数据访问开销上都表现出较大优势,性能最大提升69%,平均提升39%。数据访问时间最高缩短77.3%,数据访问量最多节省53.1%。