基于纠删码的数据容错技术因其极低的存储成本被广泛应用于云存储平台。为提供高效、低成本和高可用的云存储服务,本文围绕纠删码的数据修复和数据更新两大核心问题,开展了网络优化问题研究。本文的主要创新和工作如下:（1）提出了基于全节点的循环修复算法——Loop Repair。面向带宽同构（各链路带宽相同）和带宽异构（各链路带宽不同）网络环境,提出了双循环调度框架——Bi-Loop。该框架包含机架内、机架外两层循环,内循环用于解决带宽同构环境的数据修复问题,内、外循环配合用于解决带宽异构环境的数据修复问题。在Bi-Loop框架下,提出了基于全节点的循环修复算法——Loop Repair。该算法以全节点数据修复为核心,利用所有健康节点的上、下行带宽,以循环、负载均衡的方式进行全节点数据修复。理论分析论证了Loop Repair算法在带宽同构环境中属于最优修复算法,并分别给出了Loop Repair算法在同构与异构环境中的时间开销范围。同时,本地集群实验表明,与现有数据更新算法相比,Loop Repair算法不仅能够有效提高数据修复吞吐量30%以上,而且具备通用性,能够适配不同的纠删码与工作流。（2）提出了基于双端裁剪的数据更新算法——CAU-DB（CAU-Delta Batch）。该算法基于CAU算法提出了两点改进:首先,针对CAU的整块传输问题,提出了双端裁剪策略加以改进;其次,将基于RS编码的更新改为基于异或的更新,提高了数据更新的编码效率。本地集群实验表明,与现有数据更新算法相比,CAU-DB算法可以提高数据更新效率19.4%以上,同时节省跨机架流量16.7%以上。（3）提出了基于渐进合并的数据更新算法——T-Update B（T-Update Batch）。该算法将批量更新与异或更新融入T-Update算法,巧妙地结合了四种网络优化关键技术（异或更新、增量更新、数据转发与批量更新）。同时,针对批量更新的过量合并问题,T-Update B提供了基于日志的渐进合并算法加以修正。本地集群实验表明,与现有数据更新算法相比,T-Update B算法可以有效提高吞吐量0.5-6.0倍,并节省跨机架流量29.2%-81.8%。不仅如此,T-Update B还具备通用性,能够适配不同的纠删码与工作流。理论分析和实验结果表明,本文针对云存储系统相关问题所提出的三种数据容错技术,具备高效性、低成本与通用性,可应用于P2P存储系统、分布式存储系统、云存储系统等多个领域。