在云计算的技术架构中，数据存储层是基础。当前，云平台中存储了大量的结构化和非结构化数据，这些数据具有高并发性、数据量大、数据之间联系弱等特点。相比关系型数据库，非关系型数据库由于其强大的适应能力得到了广泛地应用。然而由于非关系型数据库发展时间尚短，在负载均衡技术方面的发展还不够成熟，因此，针对提高资源利用率的需求设计有效的非关系型数据库的负载均衡策略具有重要意义。目前大部分数据库的负载均衡技术都是基于数据量实现的，这是因为数据库的职责一直被界定为数据存储，一般认为访问负载的监控应该由应用层实现。然而，随着web2.0的发展，数据访问量的差异被凸显，热点数据分布的均衡特性难以保证，而访问负载过重会导致系统性能下降，访问负载过轻会造成存储系统资源浪费。因此，传统的基于数据量的负载均衡策略难以满足现状。本文旨在研究云平台下非关系型数据库的负载均衡问题，并有针对性地优化MongoDB的负载均衡架构，以提高存储资源的使用率和存储系统的性能。本文主要完成了以下内容的研究：首先，本文分析了MongoDB现有的负载均衡架构的局限性。通过分析目前MongoDB的负载均衡框架，发现其主要存在三个方面需要优化。第一，其是基于数据量的负载均衡策略，这与现实中多数情况下相同数据量的数据负载不相当的现状不符。第二，其没有充分利用副本集和分布式文件系统的特点，事实上副本集除可用来灾后修复外也可用来分担负载，从而以较小的代价平衡系统中的负载。第三，其只有通过自动分片的扩容操作，并没有相应的减少容量的相关操作，另外，在进行平衡负载操作时，其主要策略是进行数据迁移，但是对于迁移数据的选择不具有针对性且迁移数据时资源消耗较大。接着本文提出了优化的MongoDB负载均衡架构和算法。根据目前MongoDB在负载均衡方面的不足，结合分布式文件系统的特点，提出了优化的负载均衡策略和算法。该策略在原有的架构之上引入负载监控器，并改造原有的负载均衡器平衡负载的工作流程和主副本切换机制，以“预防为主，最低消耗处理”的思想实现了基于访问负载的动态负载平衡，并大大减少了资源的消耗。最后本文设计并进行试验以证明此优化框架的可行性。在大规模分布式系统中，快速的响应和高可靠性是终端用户和应用程序追求的两个重要的性能指标，这些性能很大程度上由资源管理策略以及系统中各节点的负载状况来决定。因为负载量的均匀分配能够帮助优化资源利用、最大化吞吐量和消除潜在负载过重的威胁。负载均衡策略优劣的判断有两个重要的标准，分别为迁移代价和对存储系统性能的影响。本文提出的优化的MongoDB的负载均衡策略能够以更小的代价和更低的影响性实现系统的再次平衡，从而提高存储资源的利用率。另外，本文中所设计的负载均衡策略可以广泛用于非关系型数据库，对于云平台下非关系型数据的大规模存储策略的优化具有现实意义。