大数据时代对传统存储系统的各项性能提出了全新的挑战,传统存储系统在大规模数据存储方面存在诸多缺陷,所以分布式存储系统凭借其优秀的性能和低廉的构造成本成为了当前大规模数据存储领域的主流存储系统。但由于分布式存储系统的底层设备普遍采用廉价商用硬件,故障率较高,因此,如何在节点失效成为一种常见问题的场景下保证存储数据的完整性与可靠性成为了首要问题。为了防止由节点故障导致的数据失效所引起的业务损失,分布式存储系统通过冗余数据牺牲部分存储空间来保证数据的完整性与可靠性。常见的冗余方案分为纠删码和多副本两种,其中多副本多用来存储访问频率高的热数据,纠删码常用来存储访问频率低的冷数据,现有的大部分分布式存储系统都支持两种方案混合使用,并在普通冗余方案的基础上将数据存储于多中心内,进一步保证数据的完整性与可靠性。当部分节点发生故障导致数据失效时,多副本就近复制其他副本即可恢复数据,纠删码则需要读取其他数据块并进行编码解码来恢复失效数据,这一过程会产生大量的修复流量开销,且修复速度较慢,而多数据中心多份存储同一组纠删码这一策略与纠删码减小存储开销的初衷相违背。因此,针对上述的问题,本文以保证数据的安全性与可靠性为目标,主要工作及创新如下:（1）介绍了一种跨数据中心的数据分布策略,这种数据分布策略以最小存储开销为前提,通过对数据在多个数据中心之间的分布作出约束,将一组纠删码分别存储在多个数据中心,其中每个云中心内部所存储的码块都小于恢复要求。使用这种数据分布策略部署的存储系统,不仅可以容许部分节点失效,还可以允许数据中心级别的事故,保证了数据的高可靠性。（2）针对应用RS码的跨数据中心单节点失效修复场景,综合了树型与流水线修复方案的特点,令树型修复方案中的所有节点都对转发的数据进行合并操作,并考虑到了数据中心内链路可用带宽与节点处理能力的异构,对节点修复时延进行优化。将修复拓扑转化为一个带有约束的修复模型,设计相应的遗传算法求取全局近似最优解。仿真结果表明,对比传统的流水线修复方案和树型贪心算法,重构树的修复时延有效减小。（3）针对最小存储再生码（MSR）的跨数据中心单节点失效修复场景,通过将（2）中提出的单失效节点修复拓扑方案进行推广,在此基础之上引入辅助计算节点,设计出一种新的单节点失效修复拓扑方案,并针对跨数据中心分布策略的约束问题及MSR码本身的节点约束问题,以最小修复时延和最小额外传输开销为目标,设计除了相应的遗传算法进行求解,最终实现修复时延和额外传输开销的trade＿off。通过仿真实验的对比,在同等存储规模下,本文所用的修复方案的修复时延较传统树型有较大的优化,与引入辅助节点的三层结构修复树相比也有所改进。