随着云计算机技术的快速发展和互联网的广泛应用,越来越多的用户数据被保存在线上的云存储系统中。数据副本技术是一种管理云存储系统中各种数据的有效技术手段,它具有能够提高云存储系统中数据访问速度和增强数据可用性等方面的优点。由于数据副本管理策略对云存储系统性能有重要的影响,所以如何设计数据副本管理策略对实现高质量的云存储管理有重要意义。另外随着云存储系统规模的不断扩大,云存储系统中的能源效率问题愈发突出,如何进一步优化数据副本布局来整合系统的云存储资源,提高云存储系统能源的有效利用率,对解决云存储系统中的能源效率问题也具有重要的现实意义。本文主要对云存储系统中的数据副本管理与布局优化策略进行了较深入的分析与研究,重点关注了云存储系统中的数据副本管理与数据布局优化过程中存在的问题,分别从理论建模和算法寻优方面提出了相应的思路和解决方案。本文的主要研究工作和创新点如下:(1)综合考虑了包含租赁成本在内的云存储系统中多个数据副本管理问题,将副本管理问题转换为多目标优化问题,对其中需要评估的性能指标进行了数学建模,并定义了解目标空间。(2)提出了一种基于植物根系算法的云存储系统数据副本管理策略RMSRGA(Replication Management Strategy based on Root Growth Algorithm,RMSRGA)。RMSRGA首先模拟了植物根系算法中的自相似性繁衍模式,其次根据不同个体所处的区域设置了不同的生长策略,以便于寻找目标空间中的最优个体作为最合适的数据副本管理方案,最后的实验结果表明通过这种方式能在有限迭代次数内寻找到包括平均故障率、平均响应时间、负载均衡程度和租赁成本在内的四个性能指标与副本数量和副本位置之间较好的均衡关系。(3)将云存储系统中能源效率问题转换为数据副本布局优化问题,在优化目标中考虑了最小化满足需求的数据节点数、最大化数据迁移节约功耗以及最小化数据节点的CPU利用率与其最优值之间差异等问题,并对问题中的可优化目标和约束条件进行了数学建模。(4)提出了一种基于贪婪算法的云存储系统数据副本布局优化策略RLOSGA(Replica Layout Optimization Strategy based on Greedy Algorithm,RLOSGA)。RLOSGA在优化数据布局过程中对现有资源进行整合,最小化了满足需求的数据节点数目,并将每个数据的位置优化作为数据副本布局优化问题中的一个子问题,利用贪婪算法在约束条件内进行求解从而得到更合适的数据副本布局。实验结果表明RLOSGA能更有效地改进优化目标,提高了云存储系统中能源的有效利用率,改善了云存储系统中的能源效率问题。