基于蒙特卡罗方法的随机游走（Random Walk）算法是图计算领域非常重要的基础方法之一,被广泛应用在图节点相似度计算、网页排名、图像分割、机器学习预处理等任务中。随机游走路径采样的独立性使得其具有天然的高并行性的优点。同时,随机游走过程中充满了大量的随机访存,因此内存访问开销较大,是一种访存密集型的算法。但是现有的计算平台如GPU、CPU等,由于其硬件特性以及内存调度机制,很难提供随机游走算法的高效计算。而在图计算领域,Field Programmable Gate Array（FPGA）由于其可配置、低功耗、高并行、流水线等特点被广泛应用,在不规则的图数据计算上带来了很好的加速效果。而目前还没有在FPGA上进行随机游走算法部署及加速的工作,缺乏相应的系统设计。为了提升随机游走的计算效率,本文提出了一种基于FPGA的Random Walk算法加速系统。系统主要分为CPU端主控系统及FPGA随机游走加速器两部分。本文充分利用了CPU与FPGA各自的优势,借助PCIE接口提供的高带宽通信,组建了CPU-FPGA协同计算框架。本文通过将随机游走计算及缓存单元部署到访存延迟更小的FPGA片上,并通过基于消息融合的访存优化机制、存储单元细粒度划分、预采样随机游走策略等数据流优化手段,提升了FPGA片上访存效率、减少了片外访存数据量,从而提升了随机游走的计算效率。为了提升系统的易用性,本文将系统对外的接口及控制中枢部署到了CPU端,系统的使用仅需输入图数据及随机游走计算任务信息。实验结果表明,相较于随机游走专用计算引擎Knight King,本文所设计的基于FPGA的Random Walk算法加速系统可以达到最高12倍的性能提升。由于系统采用了FPGA作为随机游走的计算平台,因此具有较低的计算功耗。经过评估,FPGA随机游走加速器的功耗仅为2.841 W,远低于通用处理器的计算功耗。并且,本文作为第一个设计随机游走专用硬件加速器的工作,可以为之后的随机游走及其它图计算加速器的架构设计提供一个很好地研究思路。