由于摩尔定律瓶颈的出现,分布式系统架构模式越来越成为各大企业的首选。为了应对跨机房级别的容错及平衡各区域的访问性能,跨机房异地部署成为一种必须的选择方式。在跨机房异地部署ZooKeeper集群这一场景下,由于不同机房之间网络延迟较大且不稳定,会出现以下两个方面的问题:一是客户端会话会出现访问性能波动较大的问题,二是集群数据同步效率会随着集群数量的增加而出现同步效率降低的问题。在ZooKeeper客户端会话方面,通过对客户端会话的过程进行深入分析及仿真实验,本文设计并实现了分布式服务器地址列表配置中心来解决服务器地址列表为“硬编码”的问题,设计并实现了基于Fork/Join框架的服务器网络延迟排序计算来对各服务器的网络延迟进行排序,设计并实现了硬件资源监控模块,并将负载分级划分,制定越级同步和定时同步的策略来减轻注册中心的同步压力。本文对以上三个设计进行整合,提出了在ZooKeeper服务器非高负载情况下采用最短网络延迟优先法来稳定并提升客户端读性能,重构了Zookeeper中客户端负载均衡机制,给出了优化后的客户端会话API。在ZooKeeper集群数据同步方面,通过对集群数据同步的过程进行深入分析及仿真实验,本文建立了节点投票能力时间响应模型,指出了影响投票能力的主要因素有网络延迟、节点计算能力和磁盘读取速度。为了评价节点投票能力,本文采用基于拉格朗日最优乘子法的组合权重判断法来构建评价模型,设计了基于节点投票能力自动配置投票节点来提高数据同步的效率,并给出了自动配置投票节点的指标计算和算法设计。为了对优化前后ZooKeeper集群中客户端负载均衡和数据同步的性能进行对比,本文采用跨区域的云服务器构建ZooKeeper集群进行性能测试。在客户端负载均衡方面,测试结果显示优化后的客户端会话整体平均响应时间比优化前降低了36.1%,优化后的北京区客户端读请求相对于优化前降低了68.8%,优化后深圳区客户端读请求相对于优化前降低了34.8%。在数据同步方面,测试结果显示自动配置投票节点中数据同步效率比手动配置投票节点中最优情况提升了12.1%,比手动配置投票节点中最差情况提升了70%。另外,无论在灵活性方面,还是准确性方面,自动配置投票节点都要优于手动配置投票节点。