NANDFlash具有高性能、低延迟、低功耗等优势，因此被广泛应用于数据密集型存储系统。日志结构文件系统(Log-structured File System，LFS)对Flash特性友好，其通过异地更新，将随机写转化为顺序写，具有更高的随机写性能和更低的一致性维护开销。然而，LFS在运行过程中仍然存在段清理开销过大、文件系统写放大严重等问题，导致LFS的性能和Flash设备的寿命大幅降低。
　　I/O负载中普遍的数据热度差异，加剧了LFS的段清理开销和写放大问题。针对上述问题，提出了一种基于热度的日志结构文件系统优化方法，称为OLH。OLH采用基于数据聚类的冷热数据识别策略，通过对热度元数据抽样、聚类，能够动态识别冷热数据。写入过程中，将冷热数据分别写入不同的日志中，减少段清理开销，并按照热度值延迟热数据写入日志的过程，减少其频繁更新导致的"wanderingtree"写放大，同时为了避免多日志引入的随机写造成性能下降，延迟提交日志到文件系统，使OLH能批量写入日志数据提升写性能。段清理过程中，采用了一种基于热度的victim选择算法，充分考虑热度对victim的影响，同时释放victim时只下刷victim段相关的脏索引数据，减少段清理开销和一致性维护的写放大。设计并实现了热度元数据缓存策略，减少OLH引入的热度元数据访问开销。
　　在多种真实负载下进行测试，验证OLH的有效性和性能。实验结果表明，OLH能适应系统热度变化，与F2FS的优化策略相比，OLH的段清理迁移块数减少了36.3%-36.5%，带宽提升了62.8%-71.4%,写放大方面，文件和索引数据总写入量减少了6.8%-9.3%，文件系统的元数据总写入量减少了44.4%-53.1%。在引入的开销方面，热度元数据缓存的命中率可以达到64.3%-97.3%，大部分热度元数据的读取都能在内存中完成，访问开销较小。