面向大规模图迭代计算的分段差值压缩与惰性解压方法，其特征在于，包括基于聚簇分布特性的分段差值压缩过程和基于惰性解压机制的按需解压过程；基于聚簇分布特性的分段差值压缩过程包括以下步骤：Step1：给定差值阈值/聚簇范围记为α，对每一个顶点的边表都维护一个字典Dici和差分序列Difi；Step2：将顶点vi的边表中第1个邻接顶点vi,0写入字典Dici，记temp＝vi,0，并在差分序列Difi中写入第一个元素0；Step3：依次对边表中后续的邻接顶点计算vi,j-temp，若|vi,j-temp|＜α，则将计算的差值写入到差分序列Difi中，继续计算下一个邻接顶点；否则，将该邻接顶点vi,j写入字典Dici，记temp＝vi,j，并在差分序列Difi中写入一个0，重复步骤Step3；Step4：对每一个顶点都执行Step2、Step3，直到遍历完整个邻接表；基于惰性解压机制的按需解压过程的迭代过程包括起始阶段和收敛阶段，起始阶段活跃顶点数快速增加，在几个迭代步内达到峰值然后进入收敛阶段，在之后的迭代步中图算法慢慢收敛直至结束；在收敛阶段，在迭代计算过程的每一个迭代步中，顶点接收完消息后执行重写后的compute()算法，在计算更新value值后判断迭代是否结束，若结束，则整个流程结束；反之，则判断该顶点是否被激活为活跃顶点，若激活则根据getEdges()算法对该顶点的边表或目的顶点行解压，随后发送新的消息，进行下一个迭代步。