随着存储规模日益扩大,存储网络的多样性和异构性,资源分布的广阔性和动态性,都对数据的存储管理方式和访问方式提出了新的要求和挑战。面向广域网的存储资源发现技术研究,旨在广域范围内进行大规模存储资源的自动检索、发现和匹配,提高存储系统资源利用率和用户服务质量,以便对异构的存储资源进行统一管理和使用。针对广域网下存储资源发现的实际应用背景,结合对等网络下的资源检索技术,提出了一种面向广域网的存储资源发现方法,包括可扩展的存储资源发现系统结构和基于强化学习的存储资源发现技术。该存储资源发现系统结构遵循存储管理初始化协议(SMI-S),针对广域网环境对服务定位协议(SLP)进行扩展,建立了一个对等存储网络模型。该结构通过分布式哈希表组建有结构对等存储资源网络,实现存储资源区域之间有效的服务信息通信机制,降低网络查询开销,从而更加有效地进行资源发现。该存储资源发现技术基于上述系统结构,利用历史查询及其反馈,逐步建立基于查询的路由索引,并通过强化学习机制不断逼近实际资源分布状况,能够自适应资源的动态加入或退出等情形。该方法索引空间开销小,训练过程短,具备很好的可扩展性。通过构造仿真环境模拟广域网下的存储资源发现过程,对召回率和网络开销等指标进行测试,结果显示在保证高召回率的同时,能够显著地降低网络查询开销,适用于大规模异构存储资源网络。