云存储是在云计算模式的基础上产生和发展起来的新概念。随着互联网技术的发展，数据量呈现爆炸式的增长，无论是个人还是企业都面临大量数据管理困难、数据存储维护成本高、可靠性低等问题。云存储概念的出现较好的解决了这些问题，它将网络或计算机集群中大量的各种不同类型的存储设备通过应用软件集合起来协同工作，共同对外提供数据存储服务和业务访问能力。其中，在众多的云计算平台中，Apache软件基金会根据谷歌的云计算设计思想开源实现的Hadoop项目引起了广泛关注。其中的HDFS（Hadoop Distributed File System）是Hadoop的核心组件之一，研究云存储技术，负责系统的数据存储和管理、文件管理及出错处理等基础工作。HDFS具有可靠性高、扩展性强、成本低等优势，它的开源性、高容错性及可以部署在廉价的硬件设备上的特点是其成为云存储研究的热点之一。本论文以HDFS为原型研究云存储技术，根据云存储中数据存储的特点及集群网络中数据节点的异构性等问题讨论HDFS中的改进机制。HDFS认为集群中的节点故障是常态，并提供了故障节点的检测机制，本论文在故障节点检测机制的基础上提出了建立信任模型的概念，对集群中数据节点的安全性和可靠性进行评价，以便主节点完成对数据节点的筛选。另外，云存储中数据的类型多种多样，用途也不尽相同，不同的用户可能对数据节点有着不同的性能要求。本论文提出了一种数据的分类模型，并制定了个各类型数据对节点性能的选择标准。最后，HDFS假设集群中所有的节点是同构的，即集群中所有的节点都有相同的存储性能，这在实际中是很难实现的而且忽略了集群中节点性能动态变化的特点。因此，本论文提出了一种性能评价机制，根据集群中数据节点的各个参数对节点的存储性能给予一个实时的评估值，以便系统选择最优的节点进行数据的存储。最后，本研究在Hadoop平台上对以上三点改进进行了实验验证，并与系统默认方法进行比较证明了本文改进策略的有效性。