存储需求和计算效率一直是不连续Galerkin（DG）方法在实际应用中高效实现的挑战。本文在三维可压缩Euler和Navier-Stokes方程的DG离散化背景下，发展了一种完全隐式的无Jacobian-Free Newton-Krylov（JFNK）方法。与基于Jacobian的方法相比，Jacobian-Free方法节省了对DG方法非常重要的雅可比矩阵的存储。研究了三种类型的预处理器，其中块对角预处理器需要最少的存储，而块LU-SGS和ILU0预处理器需要更多的存储，但计算效率更高。针对当前求解器的稳定性，采用了隐式时间步长策略，该算法基于六面体空间网格，并使用非线性求解器包Kinsol来提高计算效率和鲁棒性。数值结果表明，与基于雅可比矩阵的方法相比，预处理的JFNK-DG求解器可以显著降低存储需求，而不会显著降低精度或效率。此外，ILU0预处理器是效率和存储需求之间的一个很好的折衷，它显示了所提出的预处理器的最佳选择。
