受武陵山片区政府和企业的委托,进行新型农业数字化平台的建设和推广工作。随着新型农业数字化平台在武陵山片区多家企业投入使用,平台开始面临由于企业用户和消费者用户的数量急剧增加而带来的极大挑战。大量用户频繁操作会对数据库造成巨大压力,严重情况下会造成系统响应时间过长甚至系统崩溃的现象。如何提高平台的高并发处理能力是一个重要的研究问题,目前常见的解决方案是采用Redis分布式缓存系统。为了提高平台高并发场景下的响应速度,需将热点农业数据分布到分布式缓存系统的各缓存节点中。其次,考虑到平台随着在武陵山片区的推广,实验室研发的分布式缓存系统日后必然面临扩展。如何降低系统扩展时各缓存节点产生数据迁移的代价也具有重要意义。因此,论文分析了分布式缓存系统的数据分布以及数据迁移的研究现状,并对现有的数据分布以及数据迁移算法做出了改进。主要完成了以下工作:(1)对基于虚拟节点的一致性哈希算法做出如下2个改进。首先,针对该算法在实验室服务器节点性能参差不齐的情况下,容易导致各节点数据分布不均衡的问题,提出了WF_CH算法。通过设计一种权重因子策略,在对物理节点分配虚拟节点映射时引入权重因子计算,性能更佳的节点通过分配更多的虚拟节点映射来缓存更多的数据,解决了因服务器性能参差不齐造成数据分布不均衡的问题。其次,针对该算法在服务器节点宕机或缓存失效时,无法保证系统的缓存命中率问题,提出了DM_CH算法。通过设计一种双重映射策略,将数据映射给两个虚拟节点从而缓存到两个物理节点上,解决了当某个物理节点宕机或缓存失效时,系统缓存命中率下降的问题。(2)现有随机选取节点进行数据迁移的方式易产生较大的迁移代价。开销敏感数据迁移算法是选取迁移代价最小的节点进行数据迁移,但该算法并没有考虑到数据迁移量的大小,并不能保证迁移代价最小的节点其平均迁移代价也最小。针对该问题,本文提出了一种改进的数据迁移算法,在集群发生数据迁移选取迁移对象时,通过计算出集群中各缓存节点的平均迁移效益,并排序依次选取迁移对象,降低了数据迁移过程中产生的迁移代价。经过在Redis集群上实验测试,改进的数据迁移算法在迁移时间和吞吐量两个评价指标上都有较好提升。(3)改进了新型农业数字化平台的原有架构,将分布式缓存机制应用在平台模块中。最后对平台改进的架构进行性能测试,实验结果证明:平台改进后的架构在系统响应时间和TPS评价指标上都有较好提升。