对于大规模图计算,内存的随机读写会显著降低系统整体性能,因此,提高图计算过程中内存的读写性能具有重要意义。在当前存储分级的计算机体系结构中,提高CPU缓存的使用效率将能极大提高内存的读写性能,但是传统的图计算框架在内存中组织数据时没有针对CPU缓存进行优化。为了解决上述问题,提出了针对不同场景的CPU缓存友好的图数据布局策略,来提高图计算过程的效率。结合CPU缓存读写数据的局部性特点与邻接表结构,使用sort布局来提高节点编号的顺序性,进而提高CPU缓存的使用效率;结合图算法的常用操作:遍历查询,使用经典遍历算法BFS(Breadth First Search)来提高图数据逻辑上的顺序性,进而优化图算法的执行效率,且对应矮胖型BFS树的图数据,布局使整体顺序性更好,对算法适用性更广。综合上述分析,设计并实现了图数据预处理系统CookGraph,按照算法特性与图类型特征匹配运用布局策略。通过在3种图计算框架上分别对4种图算法共6类图数据集进行测试分析后可得,对内存模式SNAP(Stanford Network Analysis Platform)下的CC(Connected Components)算法,只有sort布局能优化CPU缓存的使用效率,且测试了6类图数据集,其中4类得到优化,优化比率最少为11%,最高为78.76%;对外存模式的GraphChi,BFS布局能提高对应矮胖型BFS树的图数据执行3种算法CC、TC(Triangle Counting)和Pagerank的效率,且比率分别为15%-20%、11%和20%,而测试的5类对应瘦长型BFS树的图数据集,BFS布局只能提高其中4类执行CC算法的效率,且最优比率为50.1%。