Hadoop中数据及其副本如何更好的存放和管理是HDFS中亟待解决的问题。在实际中,Hadoop同构下默认的数据放置策略对异构环境下的设想存在一定的局限性,在异构环境下使用可能会增加额外花费和降低Map Reduce的性能。本文首先基于灰度预测模型预测文件数据的热度,提出了一个动态的数据副本放置策略,该策略包括了动态实时计算数据块的副本数,考虑了数据块热度和异构集群下各节点的性能特性,可以根据数据块热度进行实时动态调整。本文的研究内容主要包括以下几个方面:(1)针对数据热度预测问题,通过分析大量历史文件数据的访问请求次数,发现其在某个时间段内具有一定特征,为了能够找出这种特征,本文采用了一个灰度预测模型,在某个特定时间段下,通过对历史数据块请求次数进行预测,用于得到对下一个时间段的数据块热度预测结果。(2)针对静态数据副本因子所存在的缺陷,使用了一个实时热度副本计算方法,结合动态权重和当前数据块的热度,即数据块的访问率,以便得到该数据块应有的副本数。(3)针对异构集群,提出了一个动态的数据放置策略,结合各个节点的计算能力、磁盘存储空间、IOPS(Input/Output Operations Per Seconds磁盘每秒读写操作次数)等参数不一致的情况,来决定这个新的副本什么时候放置,放置在哪个节点上。(4)在仿真系统中对该策略进行实验,结果表明本文提出的动态数据副本放置策略比Hadoop中默认的静态数据放置策略的性能高、系统执行时间快、降低了网络访问竞争和减少了用户响应时间。