图处理系统正被广泛的应用于各个领域的数据分析中,随着图处理任务的增加,它们需要有效的应对多任务环境。现有的图处理系统一般针对单一任务设计,在执行并行任务时存在图数据的重复和数据访问带宽的竞争。内存模式图处理系统节点间的交换数据为图处理任务私有,执行并行任务时对网络带宽的竞争是系统的瓶颈。现有的外存模式图处理系统可以避免网络通信开销,但是并行任务对图数据访问的不一致易造成I/O争用,影响性能。通过对现有外存模式图处理系统I/O优化方法的分析,提出了基于I/O去重、图数据共享的数据访问模型,从理论上论证了在面对并行任务时相对于传统模型的优势与局限性。基于该模型,设计并实现了面向多任务环境的外存模式图处理系统GraphDeSh。GraphDeSh通过对外存数据的统一访问消除了I/O重复,通过共享缓存的设计平衡了并行任务执行速度的差异,优化了并行任务的数据等待时间。使用不同的数据集和不同的算法组合测试了GraphDeSh的性能,验证了基于I/O去重、图数据共享的模型的有效性。测试结果显示,两任务GraphDeSh相对于传统的并行方式,最大达到了理想的2倍加速比。GraphDeSh的优化效果随着图算法的计算比例下降而下降,平均加速比为1.45倍。在不同数据集上,GraphDeSh的加速比相对于并行GraphChi的加速比提高了32.5%-60.7%,相对于并行X-Stream的加速比提高了84.5%-107.1%。