在航空航天领域遥测系统承担着监测、传输和处理运载器运行状态和数据的职责,遥测数据为地面工作者提供运载器运行工况监测、安全评估的数据支撑,是保证运载器安全性、可靠性的重要依据。为了满足实时监控的要求,往往采用分布式存储系统实现数据的存储,然而由于遥测数据的数据量大、数据类型多,分布式存储系统易发生读写效率低、稳定性下降的问题,无法满足运载器实时状态监测与安全性评估的基本需求。本文针对分布式存储系统在航天应用中的可靠性和高效性的问题,详细阐述了负载均衡技术的重要作用,进而针对现有负载均衡算法在请求分配和数据存储静态性上的不足,展开了以下研究:针对遥测数据存储过程中,现有负载均衡算法对请求的分配未考虑系统各节点的实时负载状态和不同请求差异性的问题,本文根据节点状态和数据属性建立了数据热度模型,以热度值来反映读写此数据对节点负载的影响程度。采用长短时记忆网络预测数据热度解决时延问题,最后通过负载聚类指导请求分配到低负载节点。针对遥测数据读取过程中,由于数据存储的静态性导致负载控制失效的问题,本文基于热度值建立数据调度模型,模拟热量流动将高负载节点的高热数据调度到低负载节点以此平衡负载,同时通过遗传算法搜索最优调度方案,使调度过程对系统负载的影响尽可能的小。结合数据热度模型和数据调度模型,利用CloudSim搭建分布式存储仿真平台,然后模拟实际航天任务中对遥测数据的读写操作,实现分布式存储系统的负载均衡控制,并与其他负载均衡算法进行对比分析,验证本文研究的方法对系统负载控制的有效性和适用性,并最终保证系统的稳定性和读写的高效性,满足遥测数据在分析应用中的基本要求。