大规模图计算是大数据处理领域中的一个重要分支。核外环境下的大规模图计算系统为用户提供了一个方便的图计算环境,然而现有的图计算系统提供的编程接口受限于底层的处理模型,不能满足用户的需求。有的处理模型提供的编程接口只能实现有限的图计算应用,有的处理模型执行性能较差。同时,现有的图计算编程接口大多都是面向点或边的细粒度接口,无法描述需要使用多个算法的复杂图计算应用的流程。核外环境下的高效图计算方法与编程模型在底层的图计算引擎中同时使用了以点为中心的处理模型和Scatter-Gather处理模型,这两种处理模型一起支撑了细粒度的混合算法实现接口。高效的图计算方法与编程模型还包括粗粒度的任务封装接口,将图算法和待计算的图数据封装成任务,通过一个个任务组织复杂图计算应用的流程。细粒度的算法实现接口和粗粒度的任务封装接口为用户提供了易用的图计算应用编程接口。此外,为了优化需要多轮迭代才能收敛的图计算应用,高效的图计算方法使用了数据精简机制,为未收敛的点和边新建图数据,减少后续计算的数据量,从而实现后续计算过程中的访存优化。在核外环境下实现的高效图计算方法与编程模型相比于使用单一处理模型的核外图计算系统能够实现更多的图计算应用,并且性能优于使用相同处理模型的核外图计算系统。在处理特定的图计算应用时,交替使用两种处理模型相比于只使用单一处理模型,能够实现更好的性能。使用粗粒度的任务封装接口和数据精简机制实现的复杂图计算应用在性能上优于现有核外图计算系统中实现的复杂图计算应用。