现有的外存图计算系统中,设计重点集中在以通用的方式对各类应用进行处理,在执行时通过对图数据的完整遍历完成计算的迭代过程。但实际上图应用中往往不需要对图数据进行完整的访问,而是根据自身的需求对部分“活跃顶点”进行访问,利用这一特性,在对外存进行访问时避免访问无关的数据而只访问“活跃顶点”相关的数据,可以大幅度的缩小实际计算过程中进行I/O的数据量,进而大幅提升性能。为了实现在运行时在外存中对所需要的数据进行定位读取,提出了一种应用在外存图处理系统中基于活跃顶点进行I/O访问的方法,通过以顶点为单位对图数据进行重新组织使得同一顶点相关的边都存放在一起便于读取,然后以顶点为单位建立索引,使得在对指定顶点相关数据进行取时可以快速进行定位。基于这种方案,进一步改进了计算模型,使系统能更好的在不需要构建全部子图的情况下高效运行。这种方法减少了需要进行I/O的数据量,但是带来的一个新问题是由原本的顺序访问变成了随机访问。由于顺序访问的性能远高于随机访问。因此如何权衡大数据量的顺序访问与小数据量的随机访问的I/O性能是能否取得性能提升的关键。基于上述问题,本文进而提出了一种基于收益评价的I/O访问选择策略。通过预先分析和计算不同策略进行I/O访问的开销,选择开销较小的方式执行应用更新。通过将这两种方法结合,可以使得应用始终以最优的方式执行迭代更新过程,获得效率和性能上的提升。在针对不同类型应用和数据的测试中展现出不同幅度的性能优化,在迭代计算类的应用中加速比可以达到1.2至1.6,而路径算法的应用中加速比可以达到20以上。最后根据应用的特性,对产生优化的原因以及幅度的差异作出归纳和分析。