近年来大数据与云存储的技术日益成熟,并被广泛使用于各种学术以及商用领域。各种各样的小型机存储服务器开始将存储信息迁移至云平台。云平台数据存储的可靠性,安全性,以及性能开始被越来越多的研究者关注。研究表明,对比使用传统方式在云平台中存储文件,使用Erasure Code(EC)编码作为云平台的存储方式可以极大地提高云平台的存储利用率与可靠性。由于EC编码的引入,导致针对于传统策略“每个文件在不同服务器节点存储多份副本”的评估模型不再适用。在缺乏理论模型的情况下,对使用EC编码的云平台进行系统设计、分析与性能评估等都变得难以实现或者精准度欠佳。本文研究了一种准确的云平台理论分析模型,可以极大地改变这种情况,无论是对云平台的设计还是性能预测这一模型都具有重要的应用价值。本文将排队论模型应用于EC编码云平台的服务器节点建模,从而评估云平台文件请求时间上界。对云平台中服务器节点建模时,研究者们大多采用了泊松到达/服务过程的单服务器有限队列模型,即M/M/1/K排队模型。该模型认为服务器节点上文件请求的到达方式为泊松到达,每个节点处理请求的过程也是串行处理的。然而在实际过程中,文件请求的批量到达与服务器节点的并行处理是存在的。经验化地使用M/M/1/K或者M/G/1排队模型并不能对云平台系统进行准确的分析和描述。因此,本文提出了使用批量到达/服务过程(MGeo)单服务器模型对服务器节点建模。并基于已有的队列模型MGeo/MGeo/1队长分布的闭合表达式,推导出该模型与MGeo/M/1顾客等待时间的一阶矩和二阶矩的闭合形式表达式。此外,经过实验数据的统计,发现使用泊松过程对仅具有串行服务能力节点的服务过程进行建模并不准确,移位泊松过程sM相对于传统模型更能精准地刻画服务器节点的服务过程。通过考虑在每一批顾客到达之前和到达之后的瞬间嵌入相互依赖的两个马尔科夫过程,得到MGeo/sM/1队长分布的z变换,以及顾客等待时间的一阶矩与二阶矩的闭合形式表达式。综上所述,本文提出一个严格的云平台文件请求延迟的上界,用于在EC编码的云平台中预测文件请求延迟。其理论上界通过与仿真实验部分以及使用M/G/1排队模型建模的上界相比,在云平台系统处于不同负载之下,其上界依然保持与真实实验值的微小误差。该排队模型与上界在对于云平台系统的评估与预测等方面都有研究意义和应用价值。