图计算系统作为图算法的载体,它能够将众多图算法封装成简洁高效的系统接口供企业及相关研究人员使用。目前,虽然已经有诸多性能出众的图计算系统应用于科研和工业领域,但这些系统尚未充分发挥平台体系结构优势。本文主要研究了图计算系统中最具代表性的Sp MV算法。通过对图计算系统目前存在的频繁访存、负载不均衡、低效矢量化等问题进行研究分析并采取合理措施优化Sp MV的计算性能,为图计算系统提供全方位的系统级优化。首先,本文设计了一种基于新型存储格式CSR2的图计算系统优化。它是一种新型单一格式,适合在具有SIMD（单指令多数据）矢量化功能的处理器平台上使用。该格式在源代码操作上易于实现且转换开销较低。通过对比目前最先进的单一存储格式CSR5和Intel高性能库MKL执行Sp MV算法的性能效果,我们发现CSR2存储格式具有明显的优势。在Intel Xeon E5-2670 v3平台上,与CSR5相比,CSR2平均加速比为1.401倍（最高可达1.861倍）;与MKL相比,CSR2的平均加速比为1.261倍（最高可达5.921倍）。其次,本文设计了一种基于新型负载均衡算法ALBUS的图计算系统优化。它解决了目前图计算系统存在的两大挑战:第一,实现处理器多核均衡负载处理和减少访存操作;第二,充分发挥SIMD矢量化指令集的并行能力。本文选择了20组规则矩阵和20组不规则规矩阵构成基准套件。在Intel Xeon E5-2670 v3 CPU平台上,与CSR5,Merge和MKL相比,对于20组规则矩阵,ALBUS可以分别实现1.59倍、1.32倍、1.48倍（最高可达2.53倍、2.22倍、2.31倍）的平均加速比;对于20组不规则矩阵,ALBUS可以分别实现1.38倍、1.42倍、2.44倍（最高可达2.33倍、2.24倍、5.37倍）的平均加速比。最后,本文设计了一种基于GPU分段式优化策略GSp MV的图计算系统优化。在该算法中,我们通过分段式优化方法达到均衡的负载处理。经实验表明,在Nvidia Tesla T4 GPU平台上,与Merge、Cusparse（CSR）、Cusparse（HYB）相比,GSp MV可以分别实现1.07倍、1.86倍、1.24倍（最高可达1.54倍、138.65倍、2.32倍）的平均加速比。