随着计算机理论与技术的迅猛发展以及新型高端应用的不断涌现,为更好地满足实际需求,存储系统的系统规模变得日益庞大,系统复杂度急剧增长,当前数据中心的存储系统管理成本在IT基础设施的系统总体拥有成本中已占有很大比重。因此,存储系统管理问题成为存储系统领域亟待研究的课题。性能管理作为存储系统管理的重要子领域,主要包括应用服务质量中的性能保证、系统配置管理、系统性能问题诊断、系统性能建模、系统容量规划、系统性能调优等问题。围绕存储系统性能管理领域的四个核心问题进行研究,取得了相应的研究进展。共享存储服务器在实际生产场合得到了广泛部署,不仅能降低存储系统管理复杂度,方便系统管理,同时还减少了系统运营成本。然而,存储系统资源的共享直接导致了应用服务质量(主要指性能)的不可预测性。提出了一种I／O调度算法,该算法的核心思想采用基于权重的完全公平排队,在多个前端并发应用之间分配底层存储资源,从而实现各个应用负载的性能保证。在当前数据中心,无论是虚拟服务器,还是附网存储系统,抑或是大规模集群存储系统,已广泛采用存储系统资源整合的共享模式。为提高存储系统的资源利用率,同时实现应用性能的有效管理,提出了一种基于控制论方法的共享存储系统性能管理框架,该框架被设计为一个性能管理系统,因存储系统和应用负载的动态特征,该性能管理系统采用自适应控制方法论,参照预先指定的利用率目标,在线捕获系统性能模型,动态调整控制器参数,控制器驱动执行器产生控制动作,从而实现面向利用率的性能控制目标。另外,出于探索性目的,还给出了相对服务质量模型下性能管理系统的设计。存储系统性能模型的获取对于存储系统的设计、管理以及性能评价均具有重要意义。区别于传统的第一原理建模方法,提出了一种黑箱风格的存储系统性能模型提取方法,该方法通过监测I／O负载特征和系统性能,利用多元回归理论,分析得到I/O负载特征与系统性能之间的映射关系,从而提取出系统的性能模型。实验结果表明所提取性能模型具有较高的精确度,同时,为了验证性能模型的有效性与实用性,还给出了性能模型在性能预测与what-if分析两个重要存储系统管理问题场景下的应用实例。当前高性能存储系统的庞大规模和高复杂度使得系统配置问题日益突出,系统的缺省配置或经验配置常常使系统工作于次优或异常状态。存储系统性能调优不仅能大幅提高系统性能,而且还能有效提高系统资源利用率,降低系统总体成本。为此,提出了一种基于统计分析的存储系统性能调优方法,该方法主要分为两个步骤：关键性能参数识别和关键参数性能优化。首先通过方差分析的方法识别出对系统性能有显著影响的关键参数；然后在此基础上,采用响应面分析法对关键系统参数进行性能优化分析,从而找出最佳性能参数组合,最终达到存储系统性能调优的目的。