大数据时代的到来对存储系统提出了更高的要求,也使得存储系统面临着前所未有的挑战。虚拟化技术的不断发展极大地降低了存储和管理成本,而虚拟桌面作为建立在服务器虚拟化基础之上的新型应用,也通过集中共享存储为节约管理成本、保护数据安全以及提高系统的可扩展性创造了十分有利的条件,但是有限的网络传输带宽以及磁盘吞吐率导致虚拟机启动时间长、用户体验差。为了解决这一难题,本研究设计了基于SSD缓存数据缩减的虚拟桌面存储系统,利用数据缩减技术和固态存储技术解决传统虚拟桌面系统中用户体验差的问题,并重点对数据缩减策略进行了设计优化,本文的主要工作和创新点如下:首先对虚拟桌面应用中的实际负载进行了全面的分析,并在此基础上实现了多种重复数据删除、Delta编码以及数据压缩等基本数据缩减算法,测试分析了各算法的优势与缺点并深入研究了影响数据缩减效果的因素,为进一步研究适用于虚拟桌面应用的数据缩减策略提供了理论依据。然后针对虚拟虚拟桌面存储系统中采用的SSD缓存,根据其特性设计实现了两级重复数据删除策略,充分发挥块级和页级重复数据删除各自的优势,并设计了两级地址映射策略、自适应的缓存替换策略以及容器结构的元数据管理策略以保证两级重删策略的性能优势。实验结果显示,两级重删策略不仅可以保证理想的消冗效果,而且其元数据量仅占经典固定长度重删策略的30%~40%。最后在系统中设计实现了自适应数据缩减策略,将固定长度重复数据删除、Delta编码和数据压缩自适应地进行结合以提高消冗效果,同时采用了简单高效的采样策略以及双Bloom Filter结构提高消重效率,融合多种技术提高数据缩减技术的自适应性。实验结果表明,自适应数据缩减策略的数据缩减率比经典固定长度重复数据删除提高了30%以上。本文三部分工作将工程实践与理论创新紧密结合,通过研究虚拟桌面应用中面向SSD缓存的数据缩减技术,提高了基于SSD缓存的空间利用率和命中率,有效缓解了网络传输压力,提高了系统访问速度从而改善了用户体验。