随着互联网和物联网技术的飞速发展,大量数据信息以爆炸模式增长,“大数据时代”成为了人们对于当前信息社会最有力的概括。因此,大数据的高效管理和有效分析处理是当前工业和学术界研究的重点问题。图作为一种基本数据结构可以表达复杂的结构和丰富的语义,图处理尤其是大规模图处理,已经成为一个大数据处理中热门的研究领域。目前基于BSP模型的大规模图处理系统存在以顶点为中心的同步计算和以图为中心的异步计算两种处理机制,由于这两种处理机制都存在局限性,而且都对图数据的初始划分有一定的依赖,图划分本身也是一个NP-Hard问题,因此,如何能够减少作业计算效率对于图划分的依赖,并能够根据实际情况自适应地选择迭代计算方式成为了一个重要的研究课题。本文提出了基于子图聚簇的同异步自适应的大规模图迭代处理机制,使得对于图的迭代计算同时支持以顶点为中心和以图为中心处理机制。本文首先在各个任务完成数据加载和划分后添加了输入图评价机制,根据评价结果对作业的初始处理机制进行选择,定义顶点的归属度,同时建立各个计算分区的不稳定顶点列表,作为备选迁移顶点的索引。其次,设计了高效的基于子图聚簇的顶点迁移机制,根据输入图评价的结果和系统计算过程中的信息设定顶点迁移的相关参数,保证顶点的迁移能够有效地起到减少分区之间交互边的效果,并设计了全局路由表更新策略,保证迁移的顶点能够立即参与到后续的计算中来,使得顶点迁移过程对于整体计算的影响尽可能的低。此外,在现有的图处理系统中实现了同时支持以顶点为中心和以图为中心处理机制的计算框架,并设计实现了同异步自适应的计算模型切换功能。最后,将提出的相关技术集成到BC-BSP系统之中,设计了相关编程API供用户使用。实验结果表明,本文设计并实现的大规模图处理系统取得了预期的效果。通过与原系统进行图连通分量查找算法实验对比,证明了系统在计算效率上的得到有效地提高,同时在迭代次数和通信代价消耗方面都有一定的改进。