目前,知识图谱已经成为人工智能技术的重要组成部分,拥有强大的语义处理能力和数据关联能力。作为知识图谱上最常见的导航式查询,正则路径查询在近些年被广泛研究和讨论,已经成为一个焦点问题。随着互联网的发展,知识图谱规模日益激增,采用分布式技术成为面对大规模数据的必然选择。部分求值技术已经应用于图数据查询的分布式处理方案,然而,基于部分求值的方法一方面会计算很多无效的部分中间结果;另一方面容易导致计算和通信的瓶颈问题。基于部分求值的思想,本文提出一种通用部分求值模型GPE,该模型采用一主多从的架构,包括分布式计算和集中计算两个阶段。进一步地,通用部分求值模型将分布式计算过程分为局部计算和从节点之间消息传递的一个交替序列,所有从节点并行执行,与此同时,通过模型参数k调控从节点间的通信次数。基于通用部分求值模型,本文设计了一种分布式正则路径查询算法GPERPQ,将正则路径查询转换为k（10）1次局部计算和k次消息传递的过程。进一步地,主节点与客户端相连,负责接收查询、查询解析、任务分发和集中计算;从节点之间基于Actor模型完成消息的接收、局部路径匹配和消息的发送。相比于部分求值,通用部分求值模型一方面缓解了集中计算时主节点的计算和通信瓶颈问题;另一方面通过带有通信的多次局部计算避免生成很多无效部分中间结果。同时,依据对算法代价的分析提出三种优化策略,包括顶点映射、边界点出边标签预判和中间结果选择,分别减少了本文所提算法的通信开销和计算代价。根据设计的正则路径查询,分别在标准数据集和真实数据集上进行大量实验,结果验证了本文所提方法GPERPQ在分布式知识图谱上进行正则路径查询的有效性。通过调整模型参数k可以使得查询效率提高一个数量级,达到通用部分求值模型通过增加少量节点间通信开销换取大量计算代价的目标,最终形成适合分布式知识图谱正则路径查询的有效方法。