移动互联网环境下,数据访问出现高并发、高随机、热点变化快、关联性强等特点,导致数据中心出现严重的性能瓶颈。混合存储系统通过部署高命中率的数据缓存机制,可以有效地提升存储系统的I/O性能。但是海量的小文件的访问特点使得传统缓存架构、替换策略、数据访问关联及热度分析算法出现了性能瓶颈。课题对现有混合存储架构进行深入研究,并对数据访问特征进行统计分析,从数据访问关联性和固态驱动器的硬件特性入手,设计高效准确的数据分组预取算法和层次缓存替换策略。课题基于Openstack swift对存储架构进行了实现,并采用广泛使用的数据集对所提架构和算法进行了验证。课题首先提出缓存事务的定义和缓存事务特征的构建方法,对传统特征表示方法的属性覆盖范围和可计算性进行了优化;其次,课题提出一种基于缓存事务的混合存储系统文件分组预取算法,通过数据预分块算法和高关联优先的数据分组算法,从不同粒度对数据访问关系进行挖掘,提升了数据访问关系挖掘效率和准确度,并提出数据合并存储策略,提升了分组数据的访问效率;再次,课题提出一种海量小文件访问热度实时分析算法,对数据访问热度索引效率和内存占用进行优化;最后,课题针对海量小文件的访问特征及各级缓存设备的硬件特性,对各级缓存的数据布局策略和替入替出策略进行设计,减少SSD缓存对热点数据的替换频率,整体提升访问效率并减少SSD硬件损耗。实验结果展示出了课题所提出算法和策略的正确性和合理性,从而证明了所提出混合存储架构的有效性。本课题所提出的模型和算法对混合存储架构的关键问题进行了优化,大幅提升了海量小文件环境下混合存储系统的数据访问效率,进而提升存储系统的并发量和吞吐率,为后续的相关研究提供了理论和实践上的参考和依据。