近年来,新型非易失存储介质(NVM),比如PCM、STT-RAM、3D XPoint等的出现,给现有的存储体系结构带来了新的契机.这些存储介质具有功耗低、访问速度快、存储密度大、可按字节寻址、非易失等优点,可以满足大数据环境下内存计算的需求,有效缓解现有内存扩展能力不足的问题.同时,持久性内存的出现也引发了编程模型的革新,面向持久性内存的持久化编程模型能够直接利用非易失性存储介质的持久性,通过Load/Store接口快速访问存储系统中的数据结构,从而避免了先发起I/O请求再将数据格式转换为内存表示所带来的开销.然而,最近提出的多种持久化编程模型,包括原生持久化编程模型(例如CDDS、NV-Tree)、文件系统持久化编程模型(例如BPFS、SCMFS、PMFS和NOVA)和函数库持久化编程模型(例如Mnemosyne、NV-Heaps、Atlas和NVML),虽然为存储系统提供了ACID特性,解决了数据一致性问题,但是在分配持久性内存时,存在较大的延迟.尤其在数据量爆炸式增长时,应用程序对动态内存分配的速度具有极高的要求.如何在保证可用性的前提下,提升持久性内存管理效率是持久性内存系统亟待解决的问题之一.本文针对现有函数库编程模型中存在持久化内存管理和分配低效的问题,以目前最具代表性的函数库编程模型NVML为基础,提出了一种基于线段树的持久性内存管理分配优化方法NMST；另外,针对线段树在持久性内存分配过程中维护连续空间开销较大的问题,提出构造多种粒度叶子结点的线段树的方法.实验结果表明,相比于NVML原始方法,NMST方法在分配持久性内存时延迟降低了36.9％；优化后的NMST和原始NVML方法相比,在分配持久性内存时延迟降低了43.6％.实验结果也证明,性能的提升大小与调用NVML函数库的程序中实际持久性内存分配的次数及粒度紧密相关.