随着信息技术的飞速发展,传统的集中式数据存储方式以及由单一存储介质构成的存储系统已经不能满足用户的存储需求,而逐渐被分布式混合存储系统所取代。但大数据时代的到来促使用户对存储系统容量、成本和性能提出了越来越高的要求。在分布式混合存储系统中,为使数据更好地匹配存储介质的特性,充分利用系统资源,数据迁移发挥着关键的作用。合理的迁移方案能够根据文件的属性和存储介质的特性在系统中找到合适的位置存储文件,在充分发挥存储介质优势的同时使系统达到更好的负载均衡状态,进而提升存储系统的整体性能。本文以分布式混合存储系统的数据迁移为研究对象,从迁移对象的确定和迁移过程的实现两方面展开研究。针对迁移对象的确定,本文提出了一种基于数据价值的冷热数据识别方法。鉴于传统识别方法存在主观性强、准确率低等缺陷,首先,本文通过文献梳理和实验分析更为全面地探究影响数据价值的因素;然后,采用熵权法为各因素分配权重以区分不同因素对数据价值的影响程度,从而更为客观地评估文件的数据价值,提高冷热数据识别的准确性。在实现数据迁移的过程中,本文基于冷热数据集合提出了一种兼顾存储介质特性和存储系统负载均衡的数据迁移模型,并采用改进蚁群算法来求解该模型,从而为各存储文件找到最为合适的存储位置,既有效提高了系统的性能,又满足了负载均衡的需求。实验分析表明,本文所提出的数据迁移方案不仅能够提高迁移对象选取的准确性,并且能够在迁移的过程中根据各个节点的负载状态来动态调整文件的目标迁移位置,提升存储系统的访问性能和稳定性。与现有的数据迁移算法(贪心算法、遗传算法)和未考虑负载状态的数据迁移算法(传统蚁群算法)相比,本文所设计的数据迁移算法(改进蚁群算法)在系统带宽利用率、系统延迟和系统负载均衡度等方面都有明显的效果。