随着物联网（Internet of Things,Io T）的飞速发展,全球数据流量呈爆炸式增长。数据在规模方面的显著特点是体量庞大和海量增长,对系统的可靠存储能力提出了严峻的挑战。与此同时,边缘物联网设备数量庞大,这些设备上存在着大量的空闲存储空间及闲置带宽,若能将这部分资源充分利用起来,那么就可以构建起一个更加廉价、高效、安全的泛在存储系统。与传统数据中心式的分布式存储系统相比,泛在存储系统具有去中心化,存储容量大,抗毁性强等优势,逐渐受到了国内外学术和产业界的广泛关注。泛在存储系统目前普遍采用复制方案或纠删码方案来保证数据持久性。近年来,由于纠删码方案相比于复制方案可以在显著降低存储空间消耗的同时提供相同甚至高得多的数据容错能力,因而受到泛在存储研究领域的青睐。虽然纠删码技术在数据中心式的分布式存储系统中已经是成熟方案,但是纠删码在实际的泛在存储系统应用时面临着三方面的挑战:第一,纠删码在数据修复时带来大量修复带宽开销,且传统纠删码的编码参数固定,难以匹配泛在存储系统节点高抖动的特性,导致数据持久性和系统可靠性降低;第二,传统纠删码方案在数据修复时未考虑到泛在存储系统中带宽较小的节点,导致数据修复时间较高;第三,传统纠删码的编解码需要在复杂的有限域上进行计算,导致编解码效率较低。本文在纠删码理论的基础上,主要针对上述存在的三方面挑战开展研究,主要研究内容包括:（1）环境自适应参数算法（Environment-adaptive Parameters Algorithm,EAP）针对传统纠删码参数固定,难以匹配泛在存储场景的问题,提出一种环境自适应参数算法,可以根据网络环境自适应调整纠删码参数。EAP可以在不增加存储开销的前提下维持期望的持久性。实验结果表明:面对多节点失效场景时,与目前广泛应用的几种纠删码相比,EAP可以维持稳定的数据持久性并降低修复带宽开销。（2）最优修复开销参数算法（Optimal Repair Cost Parameters Algorithm,ORP）在EAP的基础上提出了用于不同场景的最优修复开销参数算法,它在实现最优修复带宽开销的同时还可以满足期望的持久性。ORP还可以根据泛在存储系统中慢速节点比例自适应参数,以减小修复时间。由于ORP在EAP的基础上放松了对存储开销的限制,因此该算法更加适用于带宽敏感的存储系统中。仿真实验表明,面对多节点失效场景时,与目前广泛应用的几种纠删码相比,ORP可以将修复带宽开销和修复时间分别降低约47.38%和18.09%。（3）低复杂性截短纠删码方案针对纠删码编解码复杂度高的问题,通过分析基于矩阵乘框架的纠删码编码和解码修复环节的计算开销,发现有限域上的计算量主要集中在乘法运算。通过构造对数表和指数表并结合截短的思想,提出了一种新的低复杂性截短纠删码构造方案,可以提高计算效率,摆脱有限域上的复杂运算。最后与传统纠删码相比,低复杂性截短纠删码方案可以将存储空间节省约16.67%,并将编码和解码时间分别降低约51.68%和48.05%。