在数据爆炸式增长的时代,数据每年在以59%的增长率上涨,为实现分布式系统的高可用性和低存储开销,各种新型技术开始广泛被运用来代替3副本方式。许多分布式系统开始使用纠删码方式来代替副本方式以降低存储开销,如HDFS、Ceph、Swift、GFS等等。虽然纠删码相对于副本可以降低存储开销,但是也带来了更高修复成本。相比于副本方式,纠删码数据修复需要传输更多数据量。分布式存储系统中的节点出现故障时,需要从剩余节点中获取相应数据来帮助修复故障节点,但是当前许多数据修复方式并没有很好的均衡各个节点负载。在修复过程中经常出现资源多的节点传输数据量与资源少的节点传输的数据量相当,这样的方式并没有充分利用好每个节点的网络带宽,极大增加了修复开销成本。本文以大规模分布式存储系统为研究对象,设计了两个进行节点修复时使得节点负载均衡的方法,并且详细阐述了相关技术和理论基础、设计思路以及测试分析。首先,基于大规模分布式存储系统下条带修复时读取数据不均衡的情况,本文设计了一个均衡的数据读取算法。由于随机读取数据可能造成在一个节点读取数据过多,使得读取数据过多的节点成为瓶颈节点。基于贪心算法思想将数据进行分组修复,步骤1:无重复选取含参与修复块最多节点进行分组,步骤2:选好节点后通过节点读取数据块数量的均方差大小来放置条带。循环步骤前两个步骤就可以完成好组。完成分组后,再通过均方差比较来调整修复所需的数据块。其次,基于流水线方式提出了一种的负载均衡的流水线修复方法,改进流水线修复过程中节点计算负载不均衡的问题,可以做到均摊数据计算、传输负载,从而减轻部分节点计算负载过高问题。在此之前,虽然已经存在负载均衡的Comns流水线修复方式,但是Comns构造负载均衡所需对修复数据切分数量条件要求很高。本文提出的Bal方式可以达到每个节点负载均衡同时,实现方式更为简单。对比Basic、Cyclic、Comns流水线,可以得出Bal流水线修复的均衡度有明显提升。