根据提供的文件信息，我们可以从标题和摘要中提取出以下知识点，并详细说明相关内容：
1. 大数据与云计算的发展
- 伴随大数据的涌现，云存储和计算技术得到了长足的发展。这表明当前IT行业对大数据存储和处理能力的需求日益增长，云计算作为一种重要的技术手段，为大数据提供了存储和计算的基础设施。
2. 图数据的重要性和应用
- 图数据作为一种重要而普遍的大数据，在生物信息学、社会网络、化学信息学等领域都有广泛的应用。这说明图数据在各个领域内的重要性以及其多样的应用场景。
3. 大图计算在云端负载中的地位
- 大图计算作为大数据分析应用的典型代表，正成为云端负载的重要组成部分。这表明大图计算是云端处理大规模数据的一种关键应用，其重要性体现在能够处理复杂的图结构数据。
4. 现有高可扩展性图计算方案的局限性
- 高可扩展性的图计算主要依赖于高性能计算解决方案，这些解决方案在通用计算集群和云计算基础设施上实现时，由于网络通信效率低下，会导致系统延迟增大，限制了其水平扩展能力。这说明现有技术在处理大规模图数据时存在挑战，尤其在通用硬件平台上。
5. 大图的特性对计算系统设计的挑战
- 大图的幂律分布和缺乏局部性使得设计一套高度可扩展的大图计算系统更具挑战。幂律分布意味着图中某些节点的连接度远高于平均水平，缺乏局部性则意味着图中节点之间可能相距很远，没有明显的地理邻近性，这些特性都对数据的分布和处理提出了更高的要求。
6. 改进的基于BSP的大图计算模型
- 提出了一种面向通用计算集群的可扩展大图计算模型，该模型基于一种新颖的基于分离器-合并器BSP的图计算方法，能够提供原生的负载平衡，仅需很低的通信开销。通过增加计算节点数量来解决图数据规模增大的问题，改善了水平扩展性。
7. 所提模型的实验验证与结果
- 通过大量实验在一个图数据通用测试集上验证了所提模型和方法的有效性和高效性。实验结果显示，相比经典的以顶点为中心的BSP大图计算模型和其他主流大图计算系统，改进的基于BSP的大图计算模型能够提供更好的水平可扩展性。
8. 关键技术概念
- 关键词中提到的BSP模型（Bulk Synchronous Parallel，即批量同步并行模型）是一种并行计算模型，用于在分布式内存计算系统中高效执行算法。水平扩展能力指的是系统能够在增加硬件资源的情况下，横向扩展处理能力，而不是垂直扩展，即通过加强单个计算节点的计算能力。图分割技术是指将大规模图数据分布到多个计算节点上的过程，是实现分布式图计算的前提。
9. 中图法分类号和关键词
- 提供了相关的分类号TP18和关键词，这有助于学术界和专业人士通过这些标识快速找到相关的研究资料或进行文献索引。
综合以上知识点，我们可以看到随着大数据的持续增长，如何有效处理和分析大规模图数据成为了一个重要的研究和开发方向。改进的大图计算模型试图解决现有技术的局限性，并提供一种更适用于通用计算集群的大图处理方法，以满足日益增长的数据分析需求。通过减少通信开销和提供原生负载平衡，该模型能够更好地适应水平扩展的需要，从而在处理大规模图数据时提供更高的效率和可扩展性。
