近年来随着移动互联网的发展,键值对存储系统被广泛使用,它适用于大规模的小尺寸对象存储,并能支持高性能高并发的数据密集型应用。集群中每台机器通常存有百亿数量级别的键值对,大部分数据的访问频率随着时间推移由高变低,甚至不再会被访问。因此为了降低存储成本,需要将大量长期未被访问的键值对迁移到采用更低廉存储介质、高压缩率的下级存储集群。针对以上需求,提出面向键值对存储系统的高效数据迁移机制。先对采样周期内所有访问过的键值对进行全量采样,识别出访问过与未被访问过的键值对,再对未被访问过的键值对进行迁移。数据采样过程在系统存取的关键路径上,使用高并发的分块式布隆过滤器(Bloom Filter),通过原子操作与CPU高速缓存预取,保证多线程采样到全局布隆过滤器的高性能;设计周期性变换布隆过滤器哈希函数的算法,在保证时空复杂度不变的情况下降低布隆过滤器误判率的影响;同时使用用户态的读拷贝更新(Read-Copy Update)机制代替全局锁机制来保护全局布隆过滤器,使得多线程采样到布隆过滤器与后台线程持久化及更新布隆过滤器的操作可以完全并发进行。数据迁移过程先利用LevelDB的版本机制实现多进程间的数据库快照备份,再使用多线程来并行遍历数据库快照数据、识别并批量迁移键值对,保证整个流程对用户访问数据的透明;标识被迁移后的键值对,通过版本号机制处理标识键值对操作与用户更新键值对操作的写冲突。使用存储端的异步访问机制代理访问被迁移到下级存储集群的键值对。经过实验测试,设计的迁移机制能正常运行。测试结果表明,在高并发环境下使用分块式布隆过滤器仅增加0.2微秒的延迟,且用户态读拷贝更新机制的读端性能相比全局锁机制能提高两个数量级,表明数据采样不影响系统性能。数据迁移过程中仅增加7.5%的用户访问延时,且批量迁移键值对相比于每次迁移单个键值对至少能提高一倍的吞吐量。