面对数据量的爆炸式增长,云存储服务凭借其存储空间大、运营成本低等优势已经成为未来存储的发展趋势。随着云存储的发展,为了满足广大用户的需求,各种与云存储结合的应用不断从安全性、性能和数据访问等多方面完善云存储方案。为了提高云存储处理大数据工作负载的能力,分布式键值存储已经成为许多公有云服务的主干。现代分布式键值存储为数据密集型计算和基于云的应用程序提供了卓越的性能、可扩展性和良好的可用性。许多大数据键值存储系统通过对数据进行压缩来提高系统性能。数据压缩可以使服务器在主内存中容纳更多的数据,从而减少对持久存储的访问次数。自云计算出现以来,数据安全问题一直备受关注。直接将数据存储在云服务器上,会造成大量隐私数据的泄露,为此,加密技术通常被用来保护数据的安全性。因此,一个理想的键值存储系统应该将压缩与加密技术都纳入到设计中。但由于压缩技术与加密技术不易兼容,大部分键值存储系统都只采用了压缩或加密技术的一种。此外,互联网本身的特性也影响了云存储的可用性,尽量减少通信开销,有助于降低数据传输的延迟性。针对这些问题,本论文对能够同时兼容压缩与加密技术,且能够支持细粒度访问的键值存储方案进行了研究,主要贡献如下:1.本文提出了一种能够同时支持压缩与加密技术的静态键值存储方案。首先基于“先水平划分后垂直划分”的数据切分思想,设计了一种新型键值存储结构,该结构采用先压缩后加密的方式来对数据进行打包,能够支持列粒度的数据访问。在此结构基础上,我们结合顺序可见加密技术、保序加密技术,详细设计了安全有序索引,实现了单键查询和范围查询。该研究成果已被国际会议International Conference on Cryptology and Network Security录用,并获得最佳论文奖。2.为了丰富系统功能,如高级查询功能和数据更新功能,我们在静态键值存储方案基础上,结合伪随机函数、对称可搜索加密技术以及悲观锁思想设计了能够支持丰富查询和动态更新的通用型动态键值存储方案,并结合时间轴思想设计了针对于时间序列数据的追加型动态键值存储方案。3.证明了本文方案的安全性,并在Linux环境下进行了仿真实验。实验数据表明在不同的查询方式下,所提方案的查询效率都是可接受的,且查询吞吐量是对比方案的数倍;通用模型下,更新吞吐量较低,但高于对比方案;追加模型下,动态追加效率很高。综前所述,我们的方案是安全且高效的。