现阶段,云存储是大数据时代背景下存储数据有效而关键的技术。但是由于云服务器中存储过许多文件或者数据块,当重复存储相同的文件或者数据块时会浪费云服务器资源,因此需要对数据进行消冗处理。然而,在数据消冗过程中存在消冗时间过长并且云服务器资源利用率不高的问题。因此需要加速数据的消冗处理,提高云服务器的资源利用率。本文提出了基于消息传递接口与四级流水的云存储中并行数据消冗策略,其中客户端采用四级流水的并行数据分块策略来加速数据的分块处理(即读文件、数据分块、数据压缩、计算指纹);云服务端主节点接收到多个数据块与分块元数据之后,通过MPI将接收到的分块元数据平均分配给每一个从节点,每个从节点在全局布隆过滤矩阵上进行数据消冗处理,当由于哈希冲突而发生假阳性误判时,在二级索引结构上进行消冗处理,进而多个从节点对数据块进行并行数据消冗处理,将没有数据冗余的数据块存储到相应的从节点上,最终完成云存储环境中数据的消冗处理。实验部分包括三部分,一是客户端采用四级流水的并行数据分块策略来对文件进行分块处理(即读文件、数据分块、数据压缩、计算指纹);二是云服务器采用Virtual Machine与MPI搭建多节点的并行计算环境,其中一个节点为主节点,其余节点为从节点,操作系统选用Cent OS7,分别验证对于2.19MB与300MB的文件在从节点数量分别为4,8,16,24,32时的并行数据消冗时间与完整处理流程的总时间;三是验证云服务器采用二级索引结构进行数据检索能够提升索引性能。实验结果表明,客户端采用四级流水的并行分块策略相比于单核处理器进行分块的方式能够极大地提升数据分块速度;云服务器采用基于MPI的并行数据消冗策略相比于将每一个数据块发送给每一个从节点进行数据消冗处理的策略能够在很大程度上减少数据消冗处理的时间,并且数据块越多,这种趋势越明显;云服务器采用二级索引结构进行数据检索相比于采用链式哈希索引结构进行数据检索能够减少数据检索的时间,进而能够提高数据检索的性能,并且当文件越大时,数据检索的效率就越高。