大图计算已成为一种基本计算模式，并被应用到许多实际应用中，如社交网络分析、网页搜索、商品推荐等。以GraphChi为代表的单机图处理系统通过优化IO访问和充分利用多核并行性等优化技术使其性能足以媲美甚至超过当前大部分分布式图处理系统，并成为了新的研究热点。相比当前主流的单机图处理系统，NXgraph系统有着更全面的优化，使其性能好于当前主流的单机图处理系统。　　图处理过程分为两个部分：预处理过程和更新过程。原NXgraph预处理算法存在较大的IO传送量和归并过程比较次数较多等不足，鉴于单机系统IO能力较弱，而原始图数据集通常较大，IO容易成为系统性能瓶颈，故提出双阶段预处理算法，将原始图数据分发到多个碎片文件并采用高效的多路归并算法归并生成最终的边块文件，从而减少了大量的IO传送量和归并过程的比较次数。当内存足以保存两份顶点数据时，NXgraph采用单阶段更新策略（Single-Phase Update，SPU）计算更新顶点属性，SPU更新性能最好，但要求内存最多。为了让更多的图数据集采用SPU计算更新，提出列式单阶段更新策略，在内存中仅保存一份顶点数据，按列异步更新，减少了SPU所需的内存。当内存仅能保存部分顶点数据时，NXgraph采用混合阶段更新策略（Mixed-Phase Update，MPU）。为了减少MPU读写中间结果文件带来的大量IO，提出循环复用更新策略，通过复用内存区间的源数据空间，循环载入保存在磁盘的区间顶点数据，消除了中间结果读写过程，大大减少了计算过程的IO传送量，同时采用异步模式加速算法的收敛速度。　　实验表明，相比原预处理算法，双阶段预处理算法有平均27.6％的性能提升，提高了预处理效率，加速图处理过程。相比MPU，循环复用更新策略有最高达18%的性能提升，同时，对大数据集，列式单阶段更新策略显著减少了SPU所需的内存大小，拓展了SPU的应用场景。