计算机网络、大数据和人工智能等技术的飞速发展给数据挖掘技术带来了机遇和挑战。很多应用领域的数据正以前所未有的速度产生并累积,催生了大量结构复杂、规模庞大且动态变化的图,用以描述数据之间复杂多变的关联性。面向大规模图的管理技术一直以来都是数据库领域的一个研究热点。其中基于图的查询和处理是最基本、最核心的问题,例如最大连通度的k边连通分量查询、子图同构查询和Top-k子图同构查询及图的可达性查询问题。这些问题广泛存在于分子化学和药物学、生物信息学、计算机网络、社交网络、协同工作网络、电子商务网络、公共交通图等领域。本文对已有方法存在的问题进行了深入分析和研究,提出了高效的索引及相应的查询算法,通过改进查询的执行效率和扩展性,使查询能够应用在大规模图上。首先,针对现有的查询方法索引时间和空间代价高、查询效率低,且在遇到大规模图时,内存消耗会急剧增大的问题,提出以k边连通分量为基础,利用各连通分量之间的关系构建新的分层索引,以大幅度减少索引构建时间、降低存储空间。同时,依据该索引设计相应的查询方法,以提高最大连通度的k边连通分量的查询效率。其次,在子图同构查询中,针对因索引构建过程中存在的冗余计算、中间结果数据量过大而导致查询算法的空间和时间代价高、扩展性差的问题,提出利用邻居集合的特征快速查找等价顶点,并设计相应的高效索引构建机制,从而提高子图同构查询的效率;针对Top-k子图同构查询方法在过滤阶段存在顶点重复枚举和内存开销过大的问题以及验证阶段的冗余验证问题,引入完全等价顶点的概念,提出对图无损压缩的预处理策略,并提出基于顶点邻居结构特征的优化过滤策略,以及依据合理顺序进行匹配排序的验证方法,最终改善Top-k子图同构查询算法的效率和扩展性。最后,在可达性查询处理方面,针对现有方法在可达查询的比例高于不可达查询的比例时,查询算法的效率明显下降和性能不稳定的问题,提出利用图本身及其生成树的特点和性质,为图快速构建规模小的索引,并设计双向的判定方法,从可达和不可达两个角度对给定查询进行快速判定,以加快可达性查询的响应速度。尤其当查询中可达性查询比例增加时,算法的扩展性更好,性能更稳定。