随着数据量的爆发式增长,传统的集中式存储已经不能满足大数据存储对高可用性、高可靠、安全等效能指标的需求,逐渐被云环境下的分布式存储所取代。云存储追求在存储海量数据时系统仍具有高可用性、高可靠性、低能耗,而这些效能指标与数据布局的方式有着密不可分的联系,因此如何高效地布局数据已经成为推动大数据不断发展的关键问题。当海量的数据文件被上传到云端时,合理的布局策略既可以将数据文件公平地分配到数据节点上,以保证系统的负载均衡和较高的数据可用性,还能够在数据节点上快速找到合适的磁盘进行存放来提高访问效率。因此,合理的数据布局策略能够有效提升存储系统的整体效能。本文以数据存储布局的多目标优化为研究方向,从数据布局中的文件布局优化问题和副本布局优化问题两个方面展开研究。针对现有的文件布局方式不能同时兼顾系统平均响应时间更快和负载均衡的问题,本文提出了一种基于负载均衡的文件指派策略,首先根据文件的特性和访问规律把磁盘划分成三组;其次,每组磁盘之间采用不同的存放方式来最大化磁盘的利用率和最小化磁盘的服务时间方差;最后在保证负载均衡的前提下最小化系统的平均响应时间。鉴于传统的副本布局方式通常只考虑副本布局带来的收益却忽略了副本创建的成本代价,本文提出了一种基于多目标分解的副本布局优化策略,首先分析筛选出副本布局中最受关注的效能指标:平均文件不可用性、负载均衡、能耗,并构建这三个效能指标的目标函数,进而建立副本布局的多目标优化模型;接着,引入分解策略将这三个目标分解成多个标量子问题来同时来进行优化;最后,通过子问题之间的信息反馈和算法的多次迭代试图找出一组在这三个目标上都有良好表现的折衷解,这样既能够优化多个目标,同时也权衡了副本带来的收益和代价。实验分析表明,本文提出的文件指派策略不仅能够有效保证系统的负载均衡,并且能够在平均响应时间上取得较好的表现,在负载均衡上不逊色于BAS和SFLS,在平均响应时间上的性能要优于BAS和SFLS;本文提出的副本布局优化策略得到了在三个目标上都表现良好的折衷解,在平均文件不可用性以及能耗上优于MOE,在平均文件不可用性以及负载均衡上比MORM更优。