图计算技术可有效解决现实世界中诸多问题,而采用图形处理器(Graphics Processing Unit,简称GPU)对图计算进行加速在性能上具备明显优势。现实世界诸多图数据规模较大,而GPU全局存储空间相对较小,无法存储大规模图数据。因此,大规模图数据通常需划分为子图,以子图形式异步拷贝至GPU参与迭代计算。由于CPU-GPU间带宽资源局限性,主机和GPU通常需进行频繁数据通信。当前系统往往存在大量冗余数据传输,导致异构平台下图计算性能加速效果不明显。基于差分调度(Differential Scheduling)策略的CPU-GPU异构平台图计算系统(Scaph)通过减少冗余数据传输,可明显提高主机和GPU之间带宽资源利用率,进而促进异构图计算系统性能提升。具体而言,每轮迭代开始时,Scaph自适应地将子图分为高价值子图和低价值子图两类集合:高价值子图指子图中有相当一部分数据在当前迭代和后续迭代中会被用到;反之为低价值子图。对高价值子图,Scaph将其完整传输至GPU参与迭代计算,并在一个传输周期内进行多轮处理,减少整体迭代次数进而降低数据传输次数;对低价值子图,Scaph在线抽取当前迭代所需数据形成新的子图,并传输至GPU参与计算,以减少无用数据传输。同时,Scaph内嵌细粒度存储管理器,统一管理大小不均衡的低价值子图,以减少存储资源碎片化并提升资源利用效率。Scaph还提供应用程序编程接口,方便用户在CPU-GPU异构平台下快速部署自定义图计算任务。实验结果表明,相较国际知名的典型CPU-GPU异构平台图计算系统Totem和Graphie,Scaph可分别实现3.16倍和6.82倍平均性能提升,且系统可扩展性更好。实验结果也表明,在不同数据集和图算法下,差分调度策略能够显著提高资源利用效率,降低迭代次数同时提高系统性能。