随着大数据时代到来，海量数据存储面临巨大挑战，基于磁盘的存储系统，磁盘I/O已经成为性能瓶颈，解决的方法是利用分布式内存存储系统。从应用的缓存系统到大数据处理的存储平台，数据的长度可能从几字节到上百兆，因此面向混合负载的分布式内存存储系统，既可以加速数据访问，又可以提供数据共享和容灾,具有重要意义。　　本文通过研究目前有代表性的几个分布式内存存储系统，借鉴了这些系统的设计思想，并针对混合负载进行优化，最终实现了一个原型系统Memstore。本文的主要贡献有:　　1)设计实现了基于内存预分配技术的日志式内存数据存储和管理方式。通过内存预分配技术，降低了内存申请的开销;以日志的形式管理内存，减少对数据长度的限制，支持混合负载存储，并且减少内存碎片;实现了一个基于改进链地址法的内存紧凑hash表，能够快速定位内存日志中的数据，降低延迟;　　2)设计实现了基于虚拟桶和pull策略缓存的数据分片和路由机制。通过对key计算hash值分配到不同的虚拟桶，将数据分散到集群中不同节点存储，并且可以有效控制集群伸缩时数据迁移量;集群Coordinator统一管理集群路由信息，客户端本地缓存元数据，利用pull策略同步元数据，降低Coordinator的负载;客户端利用路由信息可以直接请求对应Server，减少网络通信次数，降低延迟;　　3)实现了一个面向混合负载的高性能，高可用，支持伸缩的原型系统Memstore。系统分为单机内存存储模块和分布式管理模块，单机模块中设计了高效的内存管理方式和数据持久化机制，保证了性能和可靠性，基于Google Protobuf实现了网络通信协议，保证了系统的可扩展性;分布式模块中实现了数据的多副本机制并针对大块数据做了pipeline优化，基于虚拟桶实现了集群的伸缩机制，基于内存日志的分段技术实现了崩溃恢复，功能全面，性能高效;　　大量实验表明，Memstore的各个模块都达到了设计要求，整体性能达到了不错的效果。与Redis相比，单机混合负载读写性能提升了17％-30％，支持高并发;分布式性能提升20％-40％，支持线性扩展和崩溃恢复。