近日，2025级博士生刘黄海（导师廖小飞教授）的论文“Accelerating Out-of-Core Graph Random Walk Processing via Locality-Aware Algorithm–Hardware Co-Design”被ACM Transactions on Architecture and Code Optimization（TACO）期刊录用。

图随机游走在推荐系统、社交网络和GNN（Graph Neural Network，图神经网络）中有着广泛应用。然而，随着图规模不断扩大，许多大图已远超主存容量，核外随机游走系统将图划分为多个子图存于磁盘上并迭代加载处理，但由此产生的频繁I/O成为主要瓶颈。其根源是典型的“长尾问题”：绝大多数游走者能很快结束，但最后少数游走者却消耗了大量I/O，因为静态划分策略导致后期反复加载无用数据。为此，论文提出 LocWalker，一个基于局部性优化的软硬件协同框架。算法上，LocWalker 利用时间局部性选取访问最频繁的前 5% 热顶点构建“骨干子图”，在长尾阶段优先加载；并利用空间局部性，通过以游走者位置为起点的两跳 BFS 提取缩减子块，避免无关数据的加载。硬件上，LocWalker 借助SmartSSD 在存储侧高效完成骨干构建与块缩减，降低计算和数据移动开销。实验结果表明，LocWalker 相比现有最先进的核外游走系统，I/O 时间缩短到原来的 9%–55%，整体性能提高了1.44-5.43倍。

ACM Transactions on Architecture and Code Optimization（TACO）是计算机系统结构和编译领域最权威的国际学术期刊之一，也是中国计算机学会CCF A类期刊。

（通讯员：刘黄海）