随着移动互联网技术、智能终端和社交媒体等技术的高速发展,数据规模呈现爆炸式增长,大规模数据给处理和计算提出了非常大的挑战。基于外存的图计算系统能够利用低廉的硬件资源处理大规模图数据,给这些海量数据的计算带来了解决方案。但是外存图计算系统的性能瓶颈往往在于外存访问效率,在访问外存数据过程中,为了能够适应各种不同的应用负载,系统需要遍历完整外存数据,其中存在大量无效I/O访问,导致资源浪费、外存访问效率低和系统性能较差等问题。针对基于外存的图计算系统I/O效率问题,分析国内外现有图计算系统的外存访问方式,结合图应用运行时的活跃顶点特征,设计了基于索引定位的外存访问优化方案。通过对外存数据组织结构进行重新设计,将相同顶点的数据存放在外存的连续空间中,并为顶点对应的数据块在文件中的偏移地址建立索引,从而快速访问到对应数据块。基于该方案改进了图计算系统的数据加载方式,在数据载入阶段之前计算分析外存中的有效数据,从而实现选择载入计算所需要的顶点相关数据。这种方法能够显著减少I/O数据量,但是会产生额外随机访问开销,因此详细地分析了访问完整数据方式与索引定位方式的开销情况,并以分析结果为依据设计了决策判断模块,能够根据顶点状态在每轮迭代中实时判断并选择最优的数据访问方式。通过将上述两种数据载入方法结合,最终实现了以综合最优的方式执行对外存访问。测试结果表明,该综合方案与并行滑动窗口方法相比,在数据载入性能上有明显提升:运行单源点和多源点随机游走算法性能平均提升89%和67%;运行连通分量算法性能平均提升35%;运行网页排名算法性能平均提升22%。