从提供的文件信息中，我们可以提炼出以下知识点：
1. Spark环境下的图数据处理：文件中提到的“一种Spark环境下的高效率大规模图数据处理机制”，表明研究的焦点是在Spark环境下如何高效处理大规模图数据。Spark作为大数据处理框架，以其基于内存计算的优势，在图数据处理方面能够提供较高的效率。
2. 图数据处理的挑战：由于现实世界中实体的增长和大规模数据的应用，给图数据存储和处理带来了挑战。图数据结构相较于线性表和树型结构，在结构和语意表达上更具优势，特别适用于表达复杂关系，如社交网络、生物信息学等领域。但同时，图数据的处理效率和存储结构是当前需要解决的问题。
3. 大规模图数据处理系统：文档提到了基于MapReduce模型和BSP模型的大规模图数据处理系统。MapReduce模型主要用于分布式处理，而BSP模型则侧重于并行计算。在处理大规模图数据时，这两种模型的系统各有特点和应用场景。
4. 新图数据处理框架的设计：文档中提到了新图数据处理框架的三个主要部分，包括大规模图的分割算法、数据抽取的优化以及计算层与持久层结合机制。通过这三个方面的设计，可以有效提高图数据处理的效率和性能。
5. 性能对比实验：为了验证新框架的有效性，作者设计了实验，使用PageRank和SSSP（Single Source Shortest Path，单源最短路径）算法，并与MapReduce框架以及采用HDFS作为持久层的Spark框架进行性能对比。实验结果表明，新框架相较于MapReduce框架快90倍，比采用HDFS作为持久层的Spark框架快2倍。
6. 关键技术点：在研究中，提到了内存计算、图数据库、Hadoop、Spark和PageRank等关键技术。这些技术是现代大数据处理和分析的重要组成部分，尤其在图数据处理领域，这些技术的融合和应用对于提高数据处理效率至关重要。
7. 中图分类号TP391：这表示文档所涉及的研究内容在中文图书分类法中属于TP391类目，即计算机软件。这进一步表明了文档的专业性和技术性。
8. 计算机应用研究：从提供的信息中可以看出，这是一篇发表在《计算机应用研究》期刊的文章，该期刊主要涉及计算机科学与技术的应用研究，特别是与实际应用紧密相关的技术和方法。
9. 云南大学信息学院：这是作者所属的研究机构，显示了该研究的学术背景和地理位置。
10. 文献标志码A和文章编号：这代表了文章的出版类型和文章的唯一标识，对于学术引证具有重要意义。
根据上述知识点，可以构建关于Spark环境下大规模图数据处理的深入理解，这包括了图数据处理的挑战、新框架的设计理念、性能优化方法以及如何通过实验验证框架的性能提升。这方面的研究不仅对大数据技术的改进提供了方向，也为后续研究者提供了参考和指导。
