近年来伴随着“大数据”时代的到来,以及云计算、云存储技术的不断发展,面向数据密集型的应用愈来愈多的受到关注。数据密集型应用中产生的海量数据,为云存储系统中的数据布局带来了很大挑战。云存储服务器上,海量数据的存取往往是云存储的性能瓶颈,所以设计并优化数据布局算法,以提升云存储服务器利用率和数据访问效率,是云存储系统中的一个重要课题。为了实现面向数据密集型应用的云存储数据的合理布局,本文在对云存储系统中数据布局问题进行简单描述之后,结合拉格朗日松弛法及国内外相关技术的研究,提出了基于拉格朗日松弛分解的数据布局。与此同时,为了提高云端用户的服务质量(QoS),一般都会采用副本技术,而如何选取出最佳的数据副本,以提高数据资源的访问速度也是数据布局的重要问题。因此,本文对数据副本布局管理系统中的副本选择优化问题进行了相应研究,提出了基于PSO算法的副本选择优化策略。本文主要工作包括:(1)阐述了拉格朗日松弛算法的基本原理,针对面向数据密集型应用的云存储数据布局问题进行研究,建立数据布局问题模型,并结合拉格朗日松弛分解的有关原理,在充分考虑了服务器的处理时间、存储能力和通信带宽三种类型成本的前提下,将数据布局问题表示为二进制的二次规划问题,提出了基于拉格朗日松弛分解的数据布局解决方案。(2)为了解决数据副本布局管理系统中的副本选择优化问题,提出了基于PSO算法的副本选择Pso。通过在访问节点创建粒子的方式,减少了副本选择所需时间。并采用网格模拟器OptorSim进行模拟实验,使提出的副本选择策略Pso,与OptorSim中自带的Simple副本选择优化策略,在平均作业执行时间方面进行仿真对比实验。综上所述,本文对数据布局及副本优化问题进行了研究,提出了基于拉格朗日松弛分解的数据布局算法和基于PSO算法的副本选择优化算法,研究充分分解算法的实现,对数据布局问题,尤其是云存储环境下面向数据密集型应用的数据布局问题的进一步研究具有重要的参考价值。